步入“大智移云“(大数据、智能化、移动互联网和云计算)时代,人类之间的联系更加密切,信息的交换也更加频繁。传统的数字采样技术在面临海量数据的时候,由于需要先采样后压缩,造成了采样资源的浪费;同时,无线通信中传输大量的数据需要大量的频带资源,给本来就不充裕的频带资源带来了非常大的压力。最近几年,压缩感知作为一种新兴的压缩采样技术,给信号与信息处理领域注入了新的活力。压缩感知的特点在于它可以在采样的同时对信号进行压缩,节约了采样成本。本文将压缩感知理论应用到语音信号处理领域,研究语音压缩感知中的重构算法和消噪方法。首先,本文对压缩感知的基本理论进行了介绍,并给出了相应的数学模型;在此基础上,将压缩感知与语音信号处理结合,分析了语音压缩感知理论;又结合实际,研究了含噪情况下的语音压缩感知技术,并对其进行了仿真实验。其次,本文对传统的重构贪婪算法进行了详细地介绍,分析了各贪婪算法的优缺点;针对SAMP算法固定步长的缺点,对其进行改进(通过阈值调整步长,并加入了裁剪步骤)提出了一种VSSAMP算法;通过实验仿真,将提出的VSSAMP算法和SAMP进行比较,实验结果表明,改进后的VSSAMP算法不仅能够提高重构的精度,还提升了重构速度。最后,本文利用语音经过行阶梯矩阵观测后仍然能够保留大部分语音特性的特点,先对观测序列进行谱减法消噪处理;然后在重构环节,提出一种自适应的重构算法,该算法可以根据输入信噪比自适应地修改重构算法的终止参数,不仅提高了输出重构语音的信噪比,而且降低了重构时间;最后在重构端加入一低通滤波器,去除重构语音中的毛刺,提高语音的可懂度与自然度。实验结果表明,这种新的语音重构系统可以提高输出语音的信噪比和主观听觉平均意见分,在白噪声情况下具有很强的抗噪能力,并且能够提高重构的速度。