语音作为人与人之间最方便、直接和有效的信息交互方式,一直以来常常受到周围环境噪声的干扰。常见的语音增强技术能够很好的对带噪语音进行降噪,进而提高语音的质量,但如果处于广场、码头甚至战场等存在强烈噪声的环境下,现有的语音增强技术的增强效果将会明显降低。骨导语音是通过采集人在说话时在喉头、耳后乳突、太阳穴以及颅顶等部位表面产生的振动信号而得到。相比通过空气进行传播的正常音（又称气导语音）,骨导语音借由人体的骨骼以及组织器官进行传播,从根源上屏蔽了来自周围环境的噪声。但骨导语音听上去比较沉闷、语音清晰度和可懂度较差,无法和正常语音一样被人们直接使用。将骨导语音转换为正常音具有较为广泛的应用前景,因此近年来骨导语音转换的研究备受关注。本文主要研究基于深度学习的骨导语音转换技术,具体内容主要如下:（1）建立汉语普通话骨导语音库采用标准模式建立了一套包含气导语音和骨导语音的普通话语音库,为实验提供真实的数据支撑。语音数据库的录音语料来源于北京语言大学创办的BCC语料库中精心挑选的包含体育、艺术、生活等方面的500条具有代表性的语句。语音库由2男2女共4名普通话发音标准的人员分别同步录制320句骨导语音与正常音。同时通过互信息量分析模型实验验证了汉语普通话骨导语音库的有效性。（2）提出一种基于深度学习的骨导语音转换方法双向长短期记忆网络（Bidirectional Long Short-Term Memory,BLSTM）可以提取时间序列的时域相关性,卷积神经网络（Convolutional Neural Network,CNN）中的卷积层内的神经元是由前一层中位置相邻区域的多个神经元经过卷积计算得到的,对于包含时域和频域两个维度的语音特征参数来说,卷积层能够同时提取语音特征参数中隐含的时域和频域相关性信息。为了充分利用语音的时域和频域相关性进行建模,提出一种基于深度双向长短期记忆-深度卷积神经网络（Deep bidirectional long and short term memory-deep convolutional neural network,DBLSTM-DCNN）的骨导语音转气导语音的语音转换模型。实验结果表明使用DBLSTM-DCNN模型相比深度神经网络（Deep neural network,DNN）模型与BLSTM模型得到的转换语音更加接近正常音。（3）提出一种基于特征融合的骨导语音转换算法语音中包含许多不同的语音特征参数,其各自对应着不同的物理意义和声学意义,不同特征之间可能存在某种互补性。梅尔倒谱系数（Mel-scale Frequency Cepstral Coefficients,MFCC）凭借其更加符合人耳听觉感知的特性在语音信号分析技术中常常被使用。为了使用MFCC与WORLD模块提取的频谱包络和非周期性成分之间存在的互补性,提出一种基于特征融合的骨导语音转换模型,实验结果表明使用特征融合的骨导语音转换模型相比使用单一特征的骨导语音转换模型可以得到更好的转换效果。