在自然听觉环境中,语音信号被噪声源和混响所污染,人类拥有强大的听觉感知能力,在各种不利的条件下,也能够分辨出自己感兴趣的声音。利用计算机模拟这一感知能力是语音信号处理领域的热点课题。解决真实环境中语音分离的问题对很多应用必不可少,比如自动语音识别,音频信息检索和听觉恢复技术。封闭空间中,声音信号在各墙面或障碍物发生反射和衍射形成混响。到达麦克风的信号不仅有直达声还有前期反射和后期反射。混响相当于直达声和房间脉冲响应的卷积,在时域和频域扭曲了语音的声谱。启发于人类听觉场景分析,基于感知原则的计算听觉场景分析可用来处理语音分离问题。本文对混响环境下的语音分离问题进行研究,针对混响环境下语音信号谐波结构被破坏,传统的语音分离算法不稳定的问题,提出了两种混响语音分离的系统模型。本文的创新点主要有:1.计算听觉场景分析模拟人类听觉感知能力,根据理想二值模原理,可以提取出目标语音信号。混响条件下,基音的检测准确率降低,导致系统的性能变差。针对这一问题,本文提出基于隐马尔可夫模型的多基音检测算法,并在时频单元标记环节采用似然比检验选择正确的训练模型,提高单元标记的准确性。2.深度神经网络在语音识别和人工智能上展现出强大的学习能力,本文提出通过训练DNN模型学习“污染”语音和纯净语音之间的频谱映射进行反混响和去噪。通过提取一连串的频谱特征,融合相邻帧时间动态信息,利用DNN进行编码频谱转换,恢复纯净语音量级频谱图,最后重构时域信号。此外,本文还提出使用DNN的特征分类能力完成双声道混响语音分离。双声道特征ITD和ILD与单声道特征GFCC融合组成长特征向量,通过RBM对DNN预训练,以完成分类任务。实验结果表明,本文提出的模型提高了分离语音的质量和可懂度,增强了系统的稳定性。