多种多样的语音传输和通信系统在人们日常的信息交流中扮演了极其重要的角色,而语音系统的输出语音质量优劣是评估其性能的决定性因素。主观语音质量评价方法虽然可靠,但实施过程耗时耗力,灵活性差。基于输入-输出方式的客观评价方法和主观评价相关度可达到很高,但其需要实际中较难获得的原始输入信号作参考,所以寻求高性能的基于输出方式的客观语音质量评价方法是十分迫切的。本文通过研究基于输出方式的客观评价方法,提出一种基于深度学习的新方法,即首先对预处理后的语音提取特征,然后利用已训练好模型参数的深度信念网络将特征映射到对应的语音质量等级区间,以获得客观预测的语音质量结果。本文的主要内容如下：(1)对语音预处理后,进行语音活动检测,对检测得到的语音帧特征提取,排除静音帧,有助于提高语音质量评价的准确性；(2)将改进的Gammatone频率倒谱系数与感知线性预测倒谱系数作为语音的特征,对人耳听觉感知的模拟效果更佳,改善了客观评价结果与主观评价的相关性；(3)引入深度学习来进行语音特征的学习,并将特征映射到非均匀粒度法划分的质量等级区间,以得到预测结果,同时与浅层学习模糊支持向量机作对比,实验结果分析表明将深度学习应用于语音质量评价系统要优越于浅层学习。通过对多个语音样本进行测试,可证明所提出的基于输出方式的语音质量评价方法是有效的,并且具有很好的灵活性和鲁棒性,预测所得结果和主观评价有较高的相关性,最高可至0.91。