随着光纤通信技术的研究,具有可调谐、光束质量良好、功率高、窄线宽、成本低等优点的可调谐光纤激光器,已广泛的应用于光纤传感、国防技术、光纤通信和医疗等领域。本文基于可调谐激光环形腔设计了一种光纤麦克风,并针对该光纤麦克风的语音特点进行语音增强方法研究。本文主要工作内容如下:首先,简明阐述了本课题研讨的背景和意义,并详细介绍了本文设计的基于激光环形腔的光纤麦克风。从结构上对激光麦克风各部分器件组成和功能特点进行了分析,并探讨了该激光麦克风的工作原理和流程。通过学习光纤环形腔的时域模型,对激光麦克风的输出功率信号与环形腔长度的关系进行了理论分析。其次,分析了激光麦克风的语音和噪声信号特征,并提出一种实现语音信号时域波形对齐的方法。基于激光麦克风的分布式结构、拾音范围广等特点,分别对现场录制的语音信号及白噪声、人走动噪声和纯音乐背景噪声三种加性噪声进行特征分析。同时,在语音信号时域波形对齐的方法中通过在纯净语音信号中添加方波信号,将合成信号作为输入信号,从激光麦克风获得输出信号后,从标注的节点截取输入和输出语音信号,由此可以实现两个语音信号的对齐,该方法是对面向语音增强算法的深度神经网络的优化,且方法简单易行、准确率高。并且,用传统语音增强算法对含噪语音信号增强处理。经典小波变换算法对非平稳语音信号处理效果较好,实验中用语音数据训练算法选择分解层数,并选用软硬折中阈值函数进行实验分析。基于最小均方误差的卡尔曼滤波是一种最优估计,适用于激光麦克风的不稳定性信号,并通过实验选定预测干扰Q值和估计测量方差R值的最优参数。通过实验可知虽然传统语音增强算法计算量小且简单易行,但是会存在残留噪声的问题。最后,用神经网络结构对含噪语音信号增强处理。神经网络具有自适应性高和学习能力强的特点。在深度神经网络结构中采用小批梯度下降法进行迭代次数选优,将带噪语音信号作为输入,获得具备抗噪性能的网络结构,并通过BP算法更新网络参数反向网络调优,以尽量的减少训练时间和数据量,并取得较好的增强效果。考虑到循环神经网络不能长期保存信息的限制,这里结合门控循环单元对语音信号进行增强实验。实验中,与传统语音增强算法对比,通过客观量化评价和语谱图分析各算法对不同特征含噪语音信号增强处理中的优缺点。