本发明公开了一种基于编解码器架构与递归神经网络的骨导语音盲增强方法，首先提取气导和骨导语音特征，对提取的语音特征数据进行对齐预处理，然后以骨导语音特征作为训练输入，以气导语音字典组合系数作为训练目标，作为下一步骤中编码器的初始化参数；构建基于局部注意力机制的解码器模型，以编码器输出作为解码器的输入，以气导语音特征为训练目标，联合训练编解码器模型，并存储模型参数；最后提取待增强的骨导语音特征，利用上述步骤训练好的编解码神经网络实现特征转换，再对神经网络的输出进行反归一化和特征逆变换，最终得到增强后的时域语音。本发明解决高频成分的恢复、骨导无声段恢复及较强噪声背景下的恢复等问题，改善了骨导语音的增强质量。