现代通信系统提供了广泛的语音服务，语音通信已经成为生活中不可或缺的交流方式。通信技术和通信服务的发展促进了对通信系统性能的评价需求，评判语音通信系统性能优劣的根本标志之一是系统所输出语音质量的好坏，因此准确有效的语音质量评估技术是提高通信系统性能的关键技术。主观评价能真实反映人对语音质量的整体满意程度，但主观评价费事费时且不适合实时性场合。近年来，以计算机信息处理为核心的语音质量客观评价成为大家关注的研究热点。本论文以军事研究项目为背景，对通信中的语音质量客观评价展开了广泛深入的研究。本文首先阐述了语音质量评价的含义，在介绍语音质量客观评价的原理及研究现状之后，指出了客观评价中存在的部分问题，并简要说明本论文的主要工作。第二章提出了一种语音特征参数MFSC，相比于MFCC，MFSC分析体现了更多的感知分析特性。将使用MFSC作为特征参数的客观测度Mel-SD用于语音质量评价测试，实验结果表明，相比于PESQ、Mel-CD，Mel-SD具有更好的客观评价性能，且Mel-SD具有对滤波器组构造变化和压缩因子变化的鲁棒性。以改善客观测度的评价性能为目标，第三章提出使用PSO算法获取语音特征参数中各维分量对音质客观评价性能的相对重要性关系。论文通过将这个问题转化为优化问题，分别使用实数编码和二进制编码的PSO算法完成特征参数MFCC和MFSC各分量权系数的优化和特征子集选择的组合优化，既得到特征参数分量之间的相对重要性关系，又有效地改善了Mel-CD和Mel-SD的评价性能。针对前向神经网络训练时间长及泛化性能不确定性的缺陷，论文提出了一种训练前向神经网络的学习算法——双向权值调整算法(BPWA)。BPWA可以在正向和反向阶段对权值作出调整，且保证输出权值是最小范数解，该算法具有较快的学习速度，并有利于保证所训练网络的泛化性能。针对GCNN这种新型神经网络，第四章通过定义新的广义同余函数，增加广义同余神经元的可调参数，简化GCNN的网络结构，对GCNN做了改进。论文中使用BPWA分别训练单隐层sigmoid神经网络和改进型GCNN，建立语音质量感知模型，实验结果表明，基于BPWA-NN和BPWA-GCNN的语音质量客观评价系统具有良好的评价性能。语音中所蕴涵的时间信息被认为是听觉系统能够分离和理解语音的重要信息。针对语音信号短时分析中时间信息缺失的问题，第五章中使用Lyon被动长波模型模拟语音信号在耳蜗中的非线性处理过程，将语音从一维空间转换到二维空间的耳蜗图表示，再通过自相关操作得到语音的相关图。论文使用灰度共生矩阵来描述相关图特征，并从中提取特征参量作为语音质量评价的测度。实验结果表明，能量测度、熵测度、一致性测度的估计结果与主观MOS值之间的相关度超过0.9，这种使用相关图特征参量的音质客观评价是一种有效的评价方法。通信中的语音可懂度客观评价是一项新的研究课题，具有重要的应用价值。第六章利用RBFNN的良好的分类特性和通过矢量量化得到的转移概率矩阵实现了两种可懂度客观评价的方法：OIM-RBFNN和OIM-TPD。实验结果表明，使用神经网络映射模块的OIM-RBFNN和OIM-TPD评价具有可行性和有效性，当使用MFCC特征参数时，OIM-RBFNN和OIM-TPD的评价性能更稳定。