对于大多数存在听力损失的患者，目前改善听力的有效方法之一就是佩戴助听器。而市场上90％以上的数字助听器都是国外品牌，因此，打造拥有自主知识产权的国产数字助听器品牌具有重要的现实意义。研究表明，助听器后端算法的调用和相关参数的设置与用户所处环境有密切关系。助听器使用者往往也更喜欢在不同声场景下使用不同的设备参数。因此，现代数字助听器允许用户在不同情况下对信号处理策略进行选择，如改变频率响应和压缩参数、激活定向麦克风、降低噪音或反馈抑制。但是这需要使用者自行识别环境并进行场景转换，对使用者自身素质提出了较高要求，因此迫切需要助听器能够自动判断当前环境，并调用最优设置。　　本文对传统的单层分类系统进行仿真实验，结果表明，单层网络在场景设置简单时能够用较少的特征正确分类，但是当场景复杂化之后，网络性能大幅度下降，即使增加特征维度至十五维，正确率仍然偏低，且特征维度增加导致系统功耗增大，不适合在助听器中实现。　　针对传统单层系统的弊端，本文提出了两个双层系统:基于背景噪声分类的语音活动检测系统和二层自动声音分类系统。基于背景噪声分类的语音活动检测系统首先对语音存在的背景环境进行识别，然后根据识别结果个性化的为语音活动检测算法设置参数，使算法性能最佳。背景噪声共有4类:类白噪声、粉红噪声、汽车噪声、聚会噪声。系统最终识别准确率均在85％以上。二层自动声音分类系统首先对用户最关心的是否存在语音进行识别，第二层分类器分别识别语音的背景噪声是否平稳和非语音数据为噪声或是音乐。系统最终识别率在91％以上。