本文使用高斯过程回归模型进行时间序列分析,研究其预测的准确性和可靠性。有别于一般的时间驱动模型,本文大部分采用自回归模型。不仅考察了单步预测的结果,也实现并分析了多步预测算法。本文发现,平稳的核函数应用于平稳的时间序列(如回归滑动平均序列)能够取得良好的预测效果,但是非平稳的时间序列(如随机漫步)必须使用非平稳的核函数才能得到较佳的预测效果。对非高斯过程型的序列,如自回归条件异方差序列,必须要对原始的高斯过程模型进行修正。本文提出了基于高斯过程的指数自回归条件异方差模型,并在实验中被证明可以很好地分析数据方差的变化规律。最后,我们给出了一个基于高斯过程先验假设的概率方法进行语音增强并用于解决语音活动探测问题的方法。该方法利用高斯过程模型的后验概率来估计纯净语音。在学习过程中得到的高斯过程模型的参数的大小用于语音的活动探测。实验结果表明本文给出的方法对于在白噪声和有色噪声环境下的语音相比于传统的方法有很好的增强效果。