近年来,随着信息智能化时代的到来,窄带语音因其自身的局限性,已不能满足社会发展的需要,相应的宽带语音越来越是人们追捧的对象。语音带宽扩展作为现代语音编解码器的重要组成部分,研究语音带宽扩展对于改善语音听觉质量,降低编码码率具有重要的意义。本文从研究正弦模型高低频幅度参数间的关系入手,利用高低频信号具有相关性这一理论基础,通过数据统计的方式,对其高低频幅度参数之间的相关性进行了验证,通过LSTM-RNN深度神经网络模型建模,深入挖掘高低频信号幅度参数之间的实际关系,提出了一种改进的基于正弦模型非线性映射的语音带宽扩展编码方法。本文主要工作研究内容如下:（1）对语音信号的产生机理和基本特性进行了概述,介绍了语音信号的预处理过程及常用的特征参数提取方法;对正弦模型分析合成算法进行了研究,分别对正弦模型的分析端和合成端进行了详细的介绍,并分析了正弦参数选取个数对合成语音质量的影响,为后文进行带宽扩展做铺垫。最后,为了说明正弦模型是一个很好的语音参数模型,对其进行了重建和仿真。（2）对正弦模型高低频幅度参数间的关系进行了研究。通过对正弦模型带宽扩展的原理分析,认为高低频幅度参数间应该具有相关性,随后通过计算高低频幅度参数间的欧式距离和和高频重建质量的对数谱失真度,对其相关性进行了验证。（3）根据（2）的结论,利用LSTM-RNN深度神经网络对正弦模型高低幅度参数间进行建模,提出了一种改进的基于正弦模型非线性映射的语音带宽扩展算法,为了说明本文算法的优劣性,分别与经典的正弦模型带宽扩展算法和改进的源滤波器模型带宽扩展算法进行了对比,通过主客观测试,对其性能进行了评价。实验结果表明,相比经典的正弦模型带宽扩展方法,本文算法在重建音质和降低码率方面均得到了改善;与改进的源滤波器模型带宽扩展算法相比,二者在主客观音质上基本相当,但本文算法码率降低了50%。