激光监听最早在1988年被提出并报导，是利用激光的调制和解调来实现对目标几近实时的现代定位和监听技术。相对于其他电子监听器，激光监听技术具有灵活性强，隐蔽性好，安全性高等优势，近年来受到广泛关注，成为监听技术发展的一个重要研究方向，而该技术的成熟对于公安，军事，国防也具有重要意义。激光传输过程中由于外界环境因素的干扰，解调得到的混合信号既包含目标语音，又包含干扰噪声。不同的监听条件下，产生不同类型的干扰噪声，因此信噪分离方法的选取尤为重要。传统的语音增强算法对相对平稳的噪声具有很好的抑制效果，而近年来有监督的语音信噪分离在处理非平稳噪声时也表现出了一定的优势。针对激光监听中的各种噪声问题，我们进行分类并采用不同的方法进行处理。主要研究内容如下:
　　1.当监听装置处于工作状态时，设备器件及内部电路会产生一定的系统噪声，影响监听语音质量。考虑到系统噪声本身特点，本文采用基于贝叶斯的统计模型算法实现监听语音的信噪分离。实验证明该方法相对于其他传统算法，可以更有效地提高语音质量，改善语音可懂度。
　　2.针对激光监听系统中存在的回声问题，本文在深度神经网络(Deep Neural Network，DNN)的基础上，通过对残余回声的二次处理，提出了级联的DNN结构。达到了抑制回声干扰，提高语音质量的效果。
　　3.针对不同监听场景下会产生多类型噪声的问题，为了提高系统普适性，本文提出了基于融合特征的信噪分离方法。该方法通过将传统语音增强算法与监督学习相结合，分别计算估计语音、噪声和相位的声学特征，提高了网络对幅度和相位目标的拟合能力，进而改善了最终分离语音的质量和可懂度。
　　本研究根据系统噪声、回声、多类型噪声的特点，分别采用统计模型算法、级联的DNN算法和基于融合特征的算法实现监听语音信噪分离。这些算法在充分保证语音信号不失真的前提下，都有效抑制了相关噪声，改善了监听效果。