人机语音交互以解放人类双手的巨大优势走进人们的日常生活。日常交流谈话时,人类能够很容易的从喧闹的环境里捕捉到自己想接收到的信号,但对于机器来说,则必须为其提供一套高效的从复杂声学环境里捕捉目标语音信号的方法。在实际应用中,单通道语音虽然提供的有效信息较少,但因使用设备少,成本低等特点,仍被应用于诸多领域,因此实现单通道情况下目标信号的分离问题成为研究者们的重点研究方向。因此,本文主要关注于单通道语音分离问题,主要研究内容如下:（1）计算听觉场景分析（Computational Auditory Scene Analysis,CASA）是基于人耳的听觉感知特性,利用计算机实现对目标信号分离。但随着混合信号中干扰能量的增大,听觉重组过程中的基音追踪效果下降,进而使得系统语音分离性能受损。本文提出一种基于多基音估计来进行时频单元标记方法,在听觉分割和初始重组得到的初步单元标记结果基础上,对目标信号的基音进行估计,并以此对时频单元的标记结果进行修正,考虑到干扰信号中可能含有谐波信号,再次对混合信号中的基音进行第二次估计,最终依据两次基音估计结果及信号特征的连续性,对时频单元标记结果进行修正,以此提高混合信号中目标基音估计的精确度,进而提高语音分离效果。（2）研究了基于Group Lasso的特征选择。随着表述语音的特征类型增多,维数增大,选择恰当的特征成为难题。若表征模型时使用单一特征,会对语音表征不完整;若采用多个特征,可能会导致维度灾难,而且不同特征之间可能存在冗余,不仅会加大计算成本,还会降低模型的准确度。因此,本文对目前得到广泛应用的4个特征参数AMS、RASTA-PLP、MFCC和MRCG进行基于Group Lasso的特征选择,根据计算结果从中选择出AMS+MFCC+MRCG的互补特征组。（3）验证了互补特征组的有效性。针对在噪声匹配和不匹配、添加和不添加delta特征,以及使用IRM或IBM的训练目标的情况下,运用深度神经网络（Deep Neural Network,DNN）对特征组和单一特征及其他的特征组进行训练,并进行对比分析。对比结果表明,在不同情景下,AMS+MFCC+MRCG互补特征组相较于单一特征表现更好,并显著提升了DNN分离性能。