1.一种机器人语音识别方法，其特征在于，包括：步骤1：获取语音信号；

步骤2：对语音信号进行预处理，提取静态特征信息；

步骤3：根据静态特征信息通过差分算法获取动态特征信息；

步骤4：运用隐马尔可夫模型HMM对静态特征信息、动态特征信息进行语音匹配，通过Viterbi算法从隐马尔可夫模型HMM中获取所有对应路径的匹配输出概率，当语音信号为第一次匹配时：从所有对应路径的匹配输出概率中获取最大概率与置信概率比较，当且最大概率大于置信概率时，则输出最大概率所对应的对应路径的输出内容，此内容为所识别内容；

当最大概率小于置信概率时，则对所述步骤1获取的语音信号进行去声调处理，再将去声调的语音信号执行步骤2‑4进行第二次匹配；

当语音信号为第二次匹配时：输出所有对应路径的匹配输出概率中概率最大的对应路径的输出内容，此内容为所识别内容。

2.如权利要求1所述的机器人语音识别方法，其特征在于，所述步骤4中的置信概率的计算公式如下：

其中，Pc为置信概率；m为第一次匹配成功的总次数；Pi为第i次第一次匹配成功的最大概率值。

3.如权利要求1所述的机器人语音识别方法，其特征在于，所述步骤2中对语音信号进行预处理包括依次进行预加重、分帧、加窗。

4.如权利要求1所述的机器人语音识别方法，其特征在于，所述步骤3中对静态特征信息进依次进行FFT、梅尔滤波、DCT处理，再对DCT的处理结果进行差分计算获取动态特征信息。

5.如权利要求1所述的机器人语音识别方法，其特征在于，所述步骤4中将人工神经网络ANN与隐马尔可夫模型HMM结合对静态特征信息、动态特征信息进行语音匹配。