在封闭的房间内,麦克风接收到的远场语音信号不可避免会被混响影响。混响是由于语音信号经过房间的内壁和其它障碍物反射产生的。严重的混响往往会使语音的质量和可懂度下降,并影响识别系统的性能。因此,近年来高效的语音去混响算法研究在语音信号处理领域变得格外引人注目。研究者们提出了多种语音去混响算法,如语音增强法去混响算法、波束形成技术去混响算法和基于统计模型的去混响算法等。其中最常用的方法之一就是多通道线性预测(Multi-Channel Linear Prediction,MCLP)自适应去混响算法。因此,本文对MCLP自适应去混响及后处理算法进行了研究,主要的研究内容如下:首先,针对递归最小二乘(Recursive Least Squares,RLS)算法在理论上具有数值不稳定性的问题,对原型的基于RLS的MCLP自适应去混响算法进行改进,提出了基于正交分解的递归最小二乘(QR-decomposition Recursive Least Squares,QR-RLS)的MCLP自适应去混响算法,该算法具有与原型算法相同的去混响特性和更好的数值稳定性。为了进一步抑制改进算法处理后语音信号中的残留混响,本文将维纳滤波器作为改进算法的后处理模块。然后在基于QR-RLS的MCLP自适应去混响算法的基础上推导了基于p-TA-QR-LS的MCLP自适应去混响算法。该算法可以根据设计的切换机制选择不同的参数p进而在不同算法之间进行切换,使算法在收敛性和计算复杂度之间达到较好的均衡。仿真实验表明,在不同的混响特性下,两种改进的MCLP自适应去混响算法均具有较好的去混响性能和稳定性。其次,针对指数衰减模型过于依赖混响时间的问题,提出了一种不需要混响时间估计的的晚期混响估计模型。为了进一步抑制残留混响信号,本文利用波束形成技术和最优修正对数幅度谱(Optimal Modified Log-Spectral Amplitude,OM-LSA)后处理算法的优势,提出了一种基于新模型改进的MCLP自适应去混响及OM-LSA后处理算法。仿真结果表明,改进的去混响算法在不同混响程度下对语音信号进行混响消除,均具有优于原型MCLP自适应去混响算法的性能。并且改进的算法可以有效地避免了指数衰减模型对晚期混响的过估计,从而减小了语音信号的失真度。