Notre but est de combiner un modèle stochastique de trajectoire (STM) ( cf. § 3.3.2) entraîné sur de la parole propre, avec un HMM de bruit, afin de reconnaître de la parole bruitée. Le but de cette approche est de déterminer l'expression de la fonction de densité de probabilité d'un vecteur de cepstre de parole bruitée, à partir de l'expression des fonctions de densité de probabilité d'un vecteur de cepstre de parole propre et de bruit. L'intérêt de cette méthode est que l'on garantit que les performances obtenues avec les modèles compensés pour des rapports signal--à--bruit élevés ne sont pas dégradées. Des résultats encourageants ont été obtenus sur une tâche de reconnaissance de 206 mots isolés, mono--locuteur, dans un environnement de bruit additif blanc.