کاربرد روزافزون سیستم های کاشت حلزونی جهت توانبخشی ناشنوایان، توجه مهندسان را به این زمینه علمی معطوف کرده است. یکی از مهم ترین بخش های کاشت حلزونی، قسمت پردازشگر گفتار آن است. وظیفه این قسمت استخراج اطلاعات لازم از سیگنال صوتی است. این اطلاعات باید به گونه-ای باشد که بیمار (استفاده کننده از کاشت حلزونی) قادر به درک اطلاعات شنیداری باشد. در حال حاضر الگوریتم های پردازش گفتاری وجود دارد که مشکل فهم گفتار را در شرایط بدون نویز حل کرده است، ولی با قرار گرفتن در شرایط واقعی که نویز جزء لاینفک هر محیطی است، بیمار دچار مشکل می شود. یکی از مشکلات فعلی دیگر، درک سیگنال های موسیقی و یا لحن گفتار گوینده است. در این پژوهش، پس از مطالعه الگوریتم های پردازش گفتار cis،drnl ،pp و zc و بررسی نقاط ضعف و قوت آن ها، الگوریتم پردازشی از تلفیق و اصلاح دو الگوریتم drnl و pp ارائه شده است و مورد ارزیابی و مقایسه با الگوریتم های مذکور قرار گرفته است. از مسائل مهم در زمینه کاشت حلزونی نحوه ارزیابی الگوریتم های پردازش سیگنال است. نحوه ارزیابی باید به گونه ای باشد که براساس هدف مورد نظر، قابل قبول و قابل سنجش باشد. در این پژوهش شیوه ارزیابی الگوریتم ها هم مورد بررسی قرار گرفته است؛ به عبارت دیگر، علاوه بر ارزیابی عملکرد الگوریتم های پردازش گفتار با شیوه-های رایج اسپکتروگرام و پرسش نامه، از شیوه ارزیابی دیگری هم استفاده شده است. در این شیوه، عملکرد الگوریتم ها براساس شاخص هایی که در درک موسیقی و لحن گفتار اهمیت دارند، هم مورد بررسی قرار گرفته است و بر اساس آن، ویژگی های فرکانس pitch، فرکانس های فرمنت و پارامتر lpc از سیگنال های گفتار استخراج شده و سپس با مقایسه مقادیر کمی این ویژگی ها الگوریتم های پردازش گفتار مورد ارزیابی قرار گرفته است. مزیت این شیوه ارزیابی این است که قابلیت کمی سازی در آن وجود دارد و موجب بهبود شیوه ارزیابی عملکرد سیستم می شود. نتایج به دست آمده از مقایسه سیگنال اصلی و سیگنال سنتز شده با استفاده از شیوه های ارزیابی مذکور حاکی از این است که الگوریتم drnl_pp ارائه شده توانایی قابل قبولی در انتقال محتوای مفاهیم داشته و هم چنین نسبت به الگوریتم های مذکور، عملکرد مناسب تری در شرایط نویزی دارد و موجب بهبود درک لحن گفتار و موسیقی می شود.