随着噪音污染和人口老龄化的日益严峻,患有听力障碍的人数越来越多。为提高听力水平,助听器的作用就突显出来,其语音质量直接关系到听障患者的健康,因此准确合理地对助听器语音质量进行客观评价至关重要。为了获得真实可靠的医疗数据,论文研究过程中联合中国计量科学研究院以及北京协和医院,通过大量仿真实验,实现了理论与实践相结合的实验过程。本课题提出了一种基于高斯过程的语音质量客观评价方法,并在此算法的基础上进行改进;设计聚类分析模型,并在原有高斯过程基础上引入非对称核函数,基于Python语言设计助听器语音质量客观评价平台;并通过仿真实验证明,本文所提出的高斯过程方法及改进的算法可以对助听器语音质量进行评价,改进的算法更准确。论文的主要研究工作如下:(1)搭建了助听器客观评估系统的测试环境,基于该测试平台采集语音信号经处理后建立助听器语音数据库。在时域和频域内研究语音信号的特征参数,设计并实现了助听器特征参数的提取。(2)提出采用高斯过程方法实现助听器的客观评估。该方法首先针对特征进行优选,然后建立助听器客观评价模型,经过仿真实验得到客观评分。并提出了采用皮尔森相关系数描述客观评分的相关性以及准确性,结果表明算法有效。(3)在原始高斯过程基础上,提出多核协方差函数的改进方法,并选择合适多核协方差函数改进原始模型。将聚类算法添加到实验过程中,对实验数据进行聚类分类,以提高预测准确性。并通过分析实验仿真结果,总结算法性能评价指标,验证改进的算法有效可行,且准确度高。(4)在聚类分析的基础上,提出了一种基于高斯过程方法改进的助听器语音质量客观评价方法—优化高斯过程中kernel function中lengthscale Li的非对称核函数方法。该算法首先将语音数据聚类分成不同的类别,然后对不同类别数据分别使用不同的核函数参数进行高斯过程客观评价。通过仿真实验及算法评价指标,对改进算法进行验证,证实该算法可以准确地评价助听器语音质量。