语音增强作为通信领域中一项重要技术手段,随着通信技术的快速发展,它在语音识别、降噪和语音编码等方面发挥着越来越重要的作用,成为了近30年中语音处理领域的热点话题。它以提高语言信号信噪比,改善语音质量为目标,进而提高语音信号的舒适度与可懂度,有着十分重要的实用意义。语音信号数字模型是语音信号处理的基础,模型的准确性将直接影响到语音信号的后续处理。本文将建立一个全极点模型,该模型结构简单易于实现。语言增强算法的重点是对语音信号模型和噪声做参数估计,模型参数是卡尔曼滤波算法基础。噪声参数估计主要是通过VAD算法对语音作有效检测,在信号无声段通过LPC自相关法直接估计。接着使用一些常用的参数估计算法,如极大似然函数法、Burg算法等,进行仿真实验。但低信噪比下,这些方法将误差增大,变的不稳定。所以本文在此基础上应用了基于高阶累积量的参数估计算法,根据其特性可知纯净语音信号与带噪信号的高阶累积量相等。根据这一事实,我们便可以把AR模型通过高阶累积量表示,即MYW方程。而MYW方程的求解方法主要有辅助变量法、LMS算法。通过改进LMS算法,本文提出了共轭梯度算法,通过实验证明,效果与LMS算法类似,但可以简化运算。最后通过卡尔曼滤波,实现语音增强。通过仿真实验结果分析,高阶累积量结合共轭梯度算法可以很好的实现语言增强,不仅提高了增强算法的适用范围同时简化了运算。最后,为了验证算法的可行性、实时性,本文设计了硬件平台;利用芯片TMS320VC5402作处理器,TLV320AIC23B采集音频信号,STC89LE58RD+作控制器,这样不仅节约了成本,同时提高了效率。