本论文在深入分析窄带语音和宽带语音时频域特征的基础上，设计提出了一种新的窄带语音谱扩展算法。该算法结合了线性预测编码（LPC）和多带激励模型（MBE）两大语音信号分析算法的优点，将窄带语音信号分解为声道响应和激励信号两部分，并分别对两个组成部分采用不同的扩展算法，并最终重建出高质量的宽带语音信号。 声道响应的扩展是基于窄带语音信号的谱包络进行的。由于在很多情况下，声道响应可以建模为一个全极点模型。通过对窄带语音信号进行LPC分析，可以得到全极点模型的LPC系数，将LPC系数转化为线性谱频率（LSF），得到谱包络的特征参数。 正确提取语音信号的浊清音信息是保证重建语音质量的一个重要因素。由于实际语音信号往往不能简单地由二元浊清音判断来表征，而MBE模型可以更好地表征语音信号的浊清音特征。因而本论文激励信号的扩展采用MBE模型。通过对窄带激励信号进行MBE分析，可以得到各个子带的浊清音（V/Uv）判决信息。利用码本映射的方法可以由窄带的V/Uv判决信息得到高带V/Uv判决信息，并进一步利用MBE模型重建出高带激励信号。 在进行谱包络扩展和V/Uv判决信息扩展时分别用到了GMM模型和码本映射方法。因而模型参数训练和码本训练也是本论文的一个重要内容。论文采用了大量的宽带语音作为训练语音段。最后论文对提出的谱扩展算法进行了仿真实验。