在人机语音交互中，麦克风上接收到的语音信号经常受到环境噪声的干扰，导致自动语音识别系统性能下降。多通道语音增强旨在利用多个麦克风消除环境噪声而尽可能保持语音质量不受影响。随着噪声场景日趋复杂，多通道语音增强已经成为人机语音交互的重要前端处理模块。因此，开展多通道语音增强优化建模研究具有重要的理论意义和应用价值。

    目前，多通道语音增强算法在一些特定场景中对信号表征以及问题约束仍存在缺陷。本文在认真总结现有多通道语音增强算法的基础上，围绕不同噪声场景探索多通道语音增强优化建模方法。本文的主要工作和创新点归纳如下：

  （1）针对非点源噪声场景，为了抑制混响，现有的降混响算法通常需要较长的滤波器长度。然而，在许多实际情况中，考虑到计算成本，长度不足的滤波器经常被使用。长度不足的滤波器无法完全建模混响信号，从而导致性能下降。为此，我们提出了一种欠滤波器长度的自适应降混响算法。所提出的算法可以实时追踪由欠滤波器长度引起的建模误差，并在信号模型中补偿误差。实验表明，在不增加算法计算复杂度的情况下，所提出的算法具有更佳的降混响性能。

  （2）针对点源噪声场景，说话人波束算法是一种在多说话人中提取目标说话人信号的常用算法。现有的多通道说话人波束算法侧重利用语音信号的频谱线索，而对利用语音信号的空间多样性较为欠缺。为此，本文提出了一种方向感知的目标说话人提取算法，将说话人波束算法与波束形成算法有机结合，同时利用语音信号的频谱和空间多样性双重线索对目标信号的方向进行感知，更有效地关注来自目标语音方向的声音，因而更好地增强了目标语音。实验表明，该算法显著提升了目标说话人提取的性能和语音增强效果，尤其在含有同性别的干扰说话人噪声的场景中。

  （3）针对复杂噪声场景，已有的多通道后滤波器算法在处理复杂噪声场景时，通常依赖于对点源噪声的数量和方向的估计，而这些估计在实际环境中通常是难以获得的。为此，本文提出了一种不依赖点源噪声的数量和方向的后滤波器算法，该算法采用一个概率模型对复杂噪声场景中的点源噪声的空间相关矩阵进行量化表征。实验表明，在点源噪声的数量和方向不能准确估计的情况下，所提出的后滤波器算法优于对比算法，表明了所提出的后滤波器算法在实际应用场景中具有更大的潜力。

  （4）针对以自动语音识别为目标的复杂噪声场景，以信号优化准则的传统的广义旁瓣消除器算法无法保证最优的自动语音识别结果，为此，本文提出了一种基于广义旁瓣消除器的深度神经网络语音增强方法，可以直接以自动语音识别目标为准则进行优化，从而比现有方法更有效降低自动语音识别的误识率；同时，这种基于传统广义旁瓣消除器知识构建的神经网络方法具有可解释和可学习的优势。系统的实验验证了所提出方法的优势和提高自动语音识别性能的有效性。