在變強(qiáng)噪音的情況下，語音識別的正確率會迅速下降；當(dāng)噪聲較強(qiáng)并且強(qiáng)度不斷發(fā)生變化的時(shí)候，端點(diǎn)檢測是一個(gè)難題；提出了兩種方法保證噪聲較強(qiáng)而且強(qiáng)度不斷發(fā)生改變情況下的語音識別率：基于LPC距離的端點(diǎn)檢測算法和白適應(yīng)的抗噪語音特征參數(shù)提取算法；經(jīng)過實(shí)驗(yàn)證明，采用了這兩種不同于傳統(tǒng)算法的新方法后，變強(qiáng)噪音情況下的語音識別率得到了明顯的改善。
安靜情況下性能良好的識別器，在噪聲情況下的性能往往不能盡如人意。很多學(xué)者研究了噪聲或者強(qiáng)噪聲情況下的語音識別性能改進(jìn)” ，但是對強(qiáng)噪音情況下的端點(diǎn)檢測一直沒有很好的辦法，當(dāng)噪音很強(qiáng)時(shí)，例如信噪比小于0dB時(shí)，端點(diǎn)檢測就變得比較困難。雖然也有一些學(xué)者提出了這種強(qiáng)噪音情況下的端點(diǎn)檢測方法，但是在實(shí)際的語音識別工作環(huán)境中，比如在交通道路旁、軋鋼廠、展覽會的展廳、坦克車中，噪音不僅是存在的，而且其強(qiáng)度也是不斷變化的，變化范圍在特定應(yīng)用場合下會超過60dB，信噪比變化如此大，這就對端點(diǎn)檢測的魯棒性和精度提出了很高的要求，而國內(nèi)外對這方面的研究還很少。
對于噪聲情況下的語音識別，一般采取了語音增強(qiáng)等途徑來消除噪聲，這樣做的后果一方面是在消除噪聲的情況下，一些對于語音識別有用的信號也被消除了H ；另一方面這樣還會給處理后的語音信號中帶來音樂噪聲，增加了處理的難度 。我們?yōu)榱颂岣咦R別的性能，勢必又要解決這兩個(gè)難題，而這樣就大大增加了語音識別的復(fù)雜度，從工程上講不利于語音識別的市場化。
在語音識別中，有一半左右的錯(cuò)誤率是由于端點(diǎn)檢測引起的。為了解決強(qiáng)噪音并且變噪音情況下的端點(diǎn)檢測性能，采用了過零率一短時(shí)能量和LPC距離相結(jié)合的新算法來保證嚴(yán)峻條件下端點(diǎn)檢測的魯棒性和檢測精度。為了避免語音增強(qiáng)方法的缺點(diǎn)，采用了自適應(yīng)的抗噪語音參數(shù)提取算法，可以根據(jù)噪聲強(qiáng)度的不同，自動(dòng)的選取特征參數(shù)。這兩種方法的綜合使用，顯著的改善了變強(qiáng)噪音情況下的語音識別性能。