随着信息技术的发展,语音信号处理与搜索引擎和人工智能等领域联系紧密,而基于计算听觉场景分析的语音信号分离在多媒体检索和机器人研究等方向上具有广阔的应用前景,也逐渐成为研究人员的研究重点。目前基于计算听觉场景分析的语音分离系统中,针对多个说话人混合语音的分离难以取得令人满意的效果,原因在于大部分计算听觉场景分析系统在提取基音阶段不能准确得到多个基音的轨迹,进而影响到语音的分离,另一方面许多分离系统在组织阶段采用训练模型,需要依赖样本训练的有效性以及说话人的先验知识。在现有研究基础上,本文提出一种双说话人混合语音分离方法,主要研究内容包括：(1)提出基于隐马尔科夫模型的多基音跟踪方法。首先通过外围处理模块将语音信号分解成时频单元。其次,在基音跟踪阶段利用语音信号的统计特性,通过基于隐马尔科夫模型的多基音跟踪算法计算出混合语音中多个基音轨迹,并设计出能在多个基音存在情况下完成时频标记的方法,得到同时语音流。实验表明该方法在提取多说话人语音材料基音轨迹的有效性。(2)提出基于聚类的序列组合方法。首先提取混合语音材料中的gammatone倒谱系数,提出基于类内散布矩阵与类间散布矩阵的目标函数,然后通过最大化类内散布矩阵与类间散布矩阵的迹,搜索同时语音流的最佳分类,最终完成对双说话人的语音分离。实验表明该方法在分离双说话人混合语音的有效性。