本发明提出了一种方法，包括从音频样本的帧中提取关于听觉系统的耳蜗冲激响应的频谱特征；从神经网络处获得该帧中语音信号的估值(该神经网络在训练阶段接受过此类训练：即接受频谱特征作为输入并输出语音信号的估值)其中语音信号的估值包括混响，但不包括该帧中存在的噪声；使用在训练阶段获得的映射参数将语音信号的估值映射到该帧的频域，从而获得该帧中混响语音频谱的估值；从时间分布式神经网络中获得该帧的去混响帧，其中该帧中的混响语音频谱的估值被用作该时间分布式神经网络的输入。