多通道语音增强及识别技术是学术界的研究焦点,应用场景非常广泛。其中,移动端平台是语音增强及识别技术的重要应用场景。然而,传统语音增强算法需要精确的麦克风阵列信息及远场信号假设,而这些条件在移动端平台往往无法保证,导致传统语音增强算法在移动端平台应用的表现较差。此外,传统语音增强及识别算法计算复杂度均很高,无法直接应用于资源受限的移动端设备。针对上述问题,论文对移动端场景下多通道语音增强和识别两大技术展开研究。首先,归纳总结了目前语音增强的理论研究及应用成果,重点阐述了基于时频掩膜的波束形成算法。基于掩膜的波束形成算法能够获得较好的多通道信号增强效果,却不能很好的应用于移动端平台。因此,论文优化了经典时频掩膜在移动端平台的估计方法,利用信道特性的不同获得更准确得时频掩膜估计值,使得波束形成算法在移动端平台取得更好的效果。同时,掩膜波束形成算法的主要计算复杂度在神经网络解码部分,论文尝试压缩神经网络的中间层节点数量,在维持算法效果的前提下有效降低了算法复杂度。此外,论文研究了特定场景下,语音识别算法的声学模型压缩问题。利用场景相关的数据库对已训练过的声学模型进行二次训练,标记与场景相关的音素节点,滤除与场景无关的音素节点,从而有效地降低了语音识别算法的复杂度。同时,这一声学模型压缩方法可以有效解决识别算法解码时的相似路径抉择错误的问题,在不依赖于自然语言处理的情况下提高了解码的正确率。在CHiME4数据集上进行实验,基于信道特性估计掩膜的波束形成算法相对于经典延时求和的算法具有0.16的pesq值提升,相对于基于聚类的算法亦有0.06的提升。复杂度方面,将神经网络的中间层节点缩减后,能够将神经网络的参数量缩小近十倍。在识别实验方面,带噪语音使用基于信道特性的算法增强后,再进行语音识别的WER相对值降低了48.3%;而在识别算法使用二次训练后的声学模型时,将WER相对值进一步降低了12.6%。