混响是众多室内声场环境中存在的一种声学现象,它由声波在传播过程中遇障碍物边界反射所致。在免提模式下的语音通信、人机语音交互、声控系统以及远程视频会议系统等应用场景,当麦克风离声源较远时,其接收到的声信号中含有大量的混响成分,强烈的混响会降低语音信号的质量。语音去混响的目的是去除麦克风信号中的晚期混响成分,保留其早期反射成分,提高语音的清晰度和可懂度。传统的语音去混响方法存在计算量大等问题,不利于在实时和时变通信声学系统中推广应用。本文基于多通道线性预测模型,研究低复杂度语音去混响方法及自适应算法,内容如下:1)经典的加权预测误差去混响算法利用语音的统计特性,对其进行建模,使用最大似然估计方法求解滤波器系数。通过分析,该方法形式上与加权最小二乘方法相似,因此,使用加权最小二乘方法对加权预测误差去混响方法进行了重新推导,从而将最大似然函数的求解转化为最小二乘问题的求解,便于后续将语音去混响问题进行自适应实现。2)加权预测误差和基于加权最小二乘形式的去混响方法虽然能够有效去除混响,然而两者的计算成本较高,导致此类算法很难在实时性要求较高的环境下去除语音的混响成分。针对这一问题,提出了一种基于Kronecker积分解的多通道线性预测去混响算法,将长度较长的去混响滤波器分解为几个短的去混响子滤波器,由此将高维的相关矩阵降维,达到降低计算复杂度的目的。实验结果证明,所提算法在获得较好的去混响性能的同时,提高了计算效率。3)为了解决加权预测误差去混响算法的计算复杂度高以及相关矩阵可能不可逆的问题,采用自适应滤波的思想,使用递推求解取代矩阵求逆过程,迭代计算语音去混响滤波器的系数向量,改善算法的数值稳定性。同时,利用Kronecker积在降低计算复杂度方面的优势,提出了一种基于Kronecker积分解的多通道自适应语音去混响算法。仿真实验证明了该算法不仅能够有效去除混响,同时在降低计算成本方面具有明显优势。4)常规的自适应语音去混响方法是基于最小平方误差或者均方误差优化准则来定义代价函数,然而,由于语音信号的非高斯非平稳特性,均方准则并不能建立最优的模型。通过对鲁棒估计器的原理分析可知,鲁棒估计器能够更好地平滑异常值带来的干扰,尤其是当误差较大时,其优势更加明显。因此,本文将鲁棒估计器与自适应语音去混响算法相结合,提出了一种基于鲁棒估计器的多通道自适应去混响算法,分析了加权因子对该算法的性能影响,同时引入了Kronecker积分解,使得算法可以兼顾去混响性能与计算效率两方面的优越性。仿真实验验证了所提算法的有效性。