耳语音是人与人之间一种特殊的语音交流方式。其具有声带不振动、基频缺失和声音能量低的特性,这些特性降低了耳语音的可懂度和清晰度。耳语音向正常音的转换重建具有重要的理论意义和应用价值。本文基于混合激励线性预测模型,研究了连续汉语耳语音合成重建正常语音的相关技术,主要工作包括：建立了基于混合激励线性预测(MELP)模型的连续汉语耳语音向正常音的转换模型。对耳语音和相应正常语音的混合激励线性预测(MELP)模型的编码参数进行了比较分析。提出了基于Gabor变换的时频域信息熵和过零率的端点检测方法。首先利用信息熵来区分语音的有声段和无声段。其次针对连续耳语音中利用信息熵的端点检测存在着耳语音的语音段误判为无声段这一缺点,利用过零率方法对端点检测的熵值相近熵阈值的语音帧进行修正。提出了基于Gabor时频域对称相对熵的声韵分割方法。在声韵分割中,利用声母和韵母的能量聚集性、共振峰结构以及频谱差异,采用对称相对熵值来分割声母和韵母。实现了基于线谱对(LSP)的共振峰修正,对共振峰的峰值位置和带宽进行修改。在对耳语音中的韵母部分添加基频时,首先基于Bark频带域的功率谱和声调的关系,来判别语音的声调的类型,进而对耳语音声调进行识别,然后利用五度字调模型对语音帧添加基频信息。最后利用修正后的参数实现了基于MELP模型的耳语音向正常音的重建。实验结果表明,该方法能重建较为自然流畅的正常音。