高校教室语言清晰度问题自上世纪70年代就引起国内外学者的关注。国内外关于教室语言清晰度的研究多集中在使用主观听音评价法、客观实测法与计算机软件模拟法来研究听众主观感知特性、客观的教室听闻环境调查、听闻环境影响因素研究及评价参量等方面的问题。然而,对于运用智能算法来研究教室语言清晰度问题的尚不多见。将智能算法应用于研究教室语言清晰度不仅具有创新性,而且具有实用价值。本文使用神经网络算法与免疫算法从两个角度来研究教室语言清晰度问题。本文先后从以下四个层面展开论述:第一个层面是房间声学理论与语言清晰度理论的阐述。介绍房间声学原理;阐述语言传输指数STI的定义与计算方法,并基于理论的角度讨论语言清晰度影响因素;基于规范对教室最佳混响时间进行讨论。第二个层面是基于实测的基础上,探究了高校教室语言清晰度状况,对高校教室语言清晰度进行评价,基于实测的角度讨论语言清晰度影响因素,并对改善教室语言清晰度提出一些建议。第三个层面运用神经网络算法预测语言传输指数STI。在实测环节积累大量的脉冲响应及其语言清晰度数据,运用信号处理方法提取脉冲响应短时能量,运用神经网络建立脉冲响应短时能量与语言清晰度的映射,经过训练使之达到识别并预测语言清晰度的作用。第四个层面运用免疫算法进行吸声构造的优选。依据简化的语言传输指数理论建立语言传输指数与混响时间的关系模型,混响时间采用Eyring公式进行计算,建立多变量目标函数,建立材料库,运用免疫算法为教室快速优选出后墙等部位的最优吸声构造以达到改善语言清晰度的目的。