耳语音是人类交流的主要方式之一。耳语音转换技术涉及信号处理、人工智能、模式识别、声学等学科领域,是一个典型的交叉学科的产物。对耳语音转换方面的研究工作有较高的科研价值。受国家自然科学基金项目“耳语讲话中的语音增强与耳语音-正常语音转换研究”的资助并作为该课题的部分内容,本文在对耳语音转换算法如线性预测法、同态信号处理法、线谱对定值偏移法、径向基函数神经网络法等基础上,提出了基于扩展型双线性变换法的耳语音转换为正常语音的算法,主要工作包括:针对传统算法对汉语耳语音端点检测以及声韵分割点检测正确率不高导致耳语音转换系统性能下降的问题,本文根据语音信号的非线性特性和希尔伯特-黄变换的性质,提出了基于希尔伯特-黄变换瞬时能频值的耳语音端点检测算法与声韵分割算法以及基于经验模态分解熵值的耳语音端点检测算法,有效提高了检测的正确率。针对耳语音在不同频段的共振峰偏移程度不同,本文将耳语音的频谱进行分段处理,在此基础上建立的耳语音转换函数更加精确。针对耳语音在各频段内频率为非线性偏移的问题,本文在双线性变换函数中引入扩展因子,使其对频谱的非线性搬移与对共振峰带宽的压缩更加符合耳语音转换为正常语音的实际转换需求,有效减小了转换语音与正常语音的谱失真距离。综上工作,本文设计了一个耳语音转换为正常语音的系统。实验结果表明,本文的转换语音在音质和可懂度上均得到了有效的提高。最后,提出了算法的缺点及未解决的问题,给出了进一步研究和改进的方向。