近年来,汽车已经开始进入每家每户,使人们的生活发生了翻天覆地的变化。随着科技的发展,汽车的基本功能已经不能满足消费者。人们更倾向于对汽车智能化的追求,因此为汽车配备各种各样的电子设备显得日益重要。然而配备的电子设备需要驾驶者在开车之余,腾出手进行其他的一些复杂操作,这大大增加了驾驶汽车的危险系数,所以为这些车载设备配备语音控制系统成为最好的解决方案之一。但是,在卖际环境中,语音总是会被不同来源的噪声所干扰。噪声过大时,语音控制系统将不能准确辨别出控制命令。为了让语音控制系统即使在嘈杂的车载环境中,依然能够保证系统性能顽健,研究语音增强算法具有实际意义。本文首先阐述了研究语音增强算法的意义和现状,以及常用的评价语音质量的方法。其次,论文简要介绍了语音信号处理中的基础理论：语音、噪声和人耳感知的特性。接着研究汽车噪声,针对它对语音信号的影响,学习一些比较经典的语音增强算法。最后,本文提出了两个适用于汽车噪声环境下的语音增强算法。它们是在传统对数域上的最小均方误差(Minimum Mean Square Error of Log-Spectral Amplitude Estimator, MMSE-LSA)语音增强算法的基础上做出的改进,具体内容如下：(1)提出了一种结合双向MCRA的MMSE-LSA算法在传统MMSE-LSA算法的基础上,采用能够准确估计出先验信噪比的非因果先验信噪比估计方法。和传统的直接判决估计相比,非因果估计能够更好地识别语音端点和无规律噪声,进一步减少音乐噪声。噪声估计对先验信噪比的影响重大,本文采用的双向最小控制递归平均算法(Minima Controlled Recursive Averaging, MCRA)能有效追踪噪声。仿真结果表明,在处理汽车噪声时,改进的算法与传统MMSE-LSA算法相比,性能上具有明显优势。即使在低信噪比下,改进的算法依然能够提高信噪比,较好地恢复出纯净语音。(2)提出了一种结合听觉掩蔽效应的MMSE-LSA语音增强算法虽然改进的MMSE-LSA语音增强算法可以在低输入信噪比情况下也能够提取出清晰的语音信号,但在某些时段内存在一定的失真。本文采用人耳掩蔽阈值的原理解决这个问题。该算法基于提出的第一个算法估计的短时幅度功率谱,使其通过一个感知加权滤波器,滤除残留噪声。该感知滤波器根据听觉掩蔽阈值和双向MCRA算法估计的噪声来设计。仿真结果表明该算法应用于车载环境时,在保持第7一种算法优点的基础上,可以提高增强后语音的舒适度。