针对传统最小均方误差谱幅度估计（MMSE—STSA．minimum mean-square error-short time spectral amplitude）语音增强算法无法有效的跟踪非平稳噪声变化的问题，对一种改进的MMSE-STSA语音增强算法进行了研究和仿真。该算法对背景噪声的估计利用加权噪声估计方法：采用一个非线性函数根据带噪语音信噪比（SNR．signal—to-noise ratio）的变化计算得到相应的加权因子并作用于带噪语音信号，对加权的带噪语音求平均得到估计的背景噪声。算法中的谱增益修正，还可以抑制低信噪比时的残留噪声以及避免对带噪语音的过抵消。实验结果表明，该方法能很好的跟踪非平稳噪声的变化，不仅在增强性能上有很好的效果，同时降低了语音的失真。

在房间声场环境下基于传声器阵列的说话人定位中，时延估计算法是其中的关键步骤。与其它常用时延估计方法相比，自适应特征值分解（Adaptive Eigenvalue Decomposition，AED）时延估计算法因其优越的抗混响性能受到越来越多的关注。但在受噪声和混响干扰的语音条件下，传统的自适应特征值分解算法收敛速度较慢，对初值敏感。通过引进动量因式，提出了一种变步长的特征值分解算法，通过理论分析和仿真实验，证实了新算法的收敛性能要优于传统的特征值分解算法，节省收敛时间，使算法的整体性能有所提高。

从理论上分析和推导了单传感器测距测速的几何交汇模型,该模型结合二维栅格搜索策略对具有稳定线谱的匀速直线运动目标进行距离和速度的估计。为满足交汇模型的测频精度要求,介绍了对短样本信号进行测频的谱估计法、过零法和Hilbert方法。把多组对应一定特征频率、正横距离、目标速度和信噪比的目标通过信号代入交汇模型进行计算机仿真,相应得出一系列测量误差曲线,分析结果表明,对于一定参数的通过信号该模型可以较精确的估计出目标的正横距离及速度。

水声脉冲测距系统中,测时精度决定了系统整体的测距精度。提出了一种基于三次样条插值的测时方法。该方法通过三次样条插值重新构建信号,精确求出每个载波周期的峰值,从而提取出信号包络。在对信号包络进行平滑后通过求解斜率最大值来估计时延。实验结果与理论分析是一致的,表明该方法对水声脉冲信号测时可以达到很高的精度。