在真实的声音环境中，观测数据通常会受到任意分布类型的其他背景噪声的污染。 为了基于观察到的噪声数据来估计特定信号的多个评估量，基本的是估计特定信号的波动波形。 另一方面，观测数据通常是在离散时间以数字电平形式测量的。 这是因为利用数字计算机的某些信号处理方法对于基于量化的电平数据准确提取特定信号的各种统计评估是必不可少的。 在这项研究中，派生出与复杂的声音环境系统相匹配的贝叶斯滤波器。 首先，在声音环境系统受到任意概率分布的背景噪声影响的实际情况下，建立了具有量化观测值的随机系统模型。 接下来，理论上以量化级形式提出了两种用于估计未知特定信号的贝叶斯滤波器的递归算法。 最后，将该理论应用于实际