语音增强是解决噪声污染的有效方法,它的首要目标就是在接收端尽可能地从带噪语音信号中提取纯净的语音信号,改善其质量。实际语音增强的目标主要是提高语音质量和可懂度这两个指标。本文对加性噪声下的语音增强技术做了较为仔细的讨论,首先给出语音信号处理的基本理论,它是语音增强算法研究和实现的基础,其后对传统的语音增强算法——谱相减法、小波变换法、最小均方误差等方法作了简要的介绍,比较了它们的优缺点,并针对除噪效果和主观试听效果不佳情况,进行了深入研究。本论文主要针对以下几个方面做了研究:针对传统谱减法进行语音增强具有明显“音乐噪声”的缺陷,提出一种谱减改进的方法,使在消除噪声的同时保留信号中的弱特征成分,通过理论与实验分析发现,采用该方法进行语音增强时“音乐噪声”明显减弱,提高了语音的可懂度;针对互除去噪法在保留信号的同时模糊了细节的缺点,采用将能量分布统计特性和互除法相结合的去噪算法,更有效地限制噪声,且使得信号的细节部分更清晰,对提高重构信号的信噪比更有效;针对自适应盲分离计算量大的缺点,利用代价函数的极值点特性分别获得混合和白化信号的特征向量矩阵实现自适应盲分离,有效地减少了计算量;针对小波阈值函数导数不连续的缺点,提出了改进的阈值函数,仿真结果表明,改进后的算法性能明显优于改进前的算法;针对伯恩斯坦预测算子特定的数据序列自适应匹配问题,将自适应离散小波变换应用于信号去噪方法中,去噪后信号的信噪比要比采用普通小波变换法的更高;针对MMSE算法失真较大的缺陷,采用基于听觉掩蔽效应的MMSE语音增强算法,减少了对信号谱峰的处理,也就减少了对语音信号波形的失真,从而提高了语音的信噪比和语音质量,在一定程度上减少了语音畸变。