语声信息恢复是通信声学系统中的关键技术之一，旨在通过消除噪声干扰和恢复被噪声掩蔽的语声信号成分，达到提高语声信号的可听度与可懂度的目的。压缩感知理论是近年来提出的一种新的很有前景的信号处理理论与技术，它通过较少的观测采样值就能够实现信号的准确或近似重构，其中稀疏表示和信号重构是压缩感知的两个关键理论部分。本文研究了压缩感知理论，探索了其应用于语声信息恢复的方法及其实现技术，其技术路线为:利用稀疏表示理论，将带噪语声信号变换某个表示域，使干净语声和噪声的表示分别具有稀疏性和非稀疏性，以区分出带噪语声信号中的干净语声信号和噪声信号，然后修改信号重构算法，消除带噪语声中的噪声干扰，恢复出原始被噪声掩蔽的语声信号成分，从而达到语声信息恢复的目的。本文重点研究压缩感知理论框架下的语声信息恢复技术，主要的研究内容与创新点包括以下方面:　　1.建立了干净语声信号的稀疏表示数学模型，采用正交匹配追踪算法近似求解不同约束条件下的干净语声信号的稀疏表示，从而近似重构出原始干净语声信号，还原了原始干净语声信息。　　2.建立了一种基于稀疏重构的语声增强数学模型，提出了一种可兼顾语声稀疏性和非平稳性的语声存在概率加权的加权正交匹配追踪语声增强算法，达到了消除噪声干扰、保留语声信号的目的，实现了语声增强的目标。　　3.建立了一种基于稀疏重构的语声恢复数学模型，提出了一种类比于图像去噪恢复技术的基于K-SVD的语声恢复算法，达到了消除噪声干扰和恢复被噪声掩蔽语声信号成分的双重目的，解决了传统算法无法恢复被噪声掩蔽的语声信号成分的问题，实现了语声信息恢复的目标。