语音信号处理是一门内涵丰富、应用广泛的学科,其实用性使得人们对它有着迫切的应用需求。虽然语音信号处理技术已经取得巨大的成就,形成了谱分析、小波分析、矢量量化、动态时间规正等有效技术,出现了一些比较成功的语音信号分析模型,但是面临实用性应用时还是存在一些问题。传统的语音信号分析模型结构简单,对环境依赖性强,适应性差,系统性能无法满足现代语音信号处理的需要。本文以汉语语音为研究对象,着眼于汉语语音信号处理在实际中所面临的主要问题,以提高语音信号分析模型精度和可解性为目的,提出一种基于神经网络的语音信号同伦分析模型。本文首先研究了经典的语音信号线性分析模型和非线性分析模型,从分析模型的结构、基础理论、求解方法和实用性关键技术对两类模型进行详细的讨论和比较,并重点研究了同伦分析模型及其相关理论。接着,在同伦分析模型的基础上,引入神经网络,给出一种以神经网络为工具,求解特定最优非线性函数的解法,提出一种基于神经网络的同伦分析模型(HMNN)。该模型的特点是求解过程简便易行,采用神经网络的迭代解法,求解同伦分析模型拥有特定形式的最优非线性函数和模型参数,不但大大地降低计算的复杂度,而且避开了复杂的非线性寻优问题。此外,根据HMNN模型的表达形式和求解过程,还具体讨论了模型中关于小波预处理和模型优效阶数的问题。最后,本文研究了HMNN模型在语音信号压缩上的应用,提出基于HMNN模型的语音信号压缩编码算法。本文除了研究HMNN模型的结构和解法外,还提出了HMNN模型的应用理论,以实验和数据,验证了HMNN模型的理论以及基于HMNN模型的语音信号压缩方法的可行性和有效性。