现实生活中的语音不可避免的要受到周围环境的影响，很强的背景噪声例如机械噪声、其他说话者的话音等均会严重地影响语音信号的质量；此外传输系统本身也会产生各种噪声，因此在接收端的信号为带噪语音信号。正是由于这些噪声的存在，从而严重影响了语音处理系统的性能。为了提高语音处理系统的性能，从带噪语音中尽可能的恢复原始纯净语音、去除噪声信号就成了语音信号预处理过程中的重要环节。本文首先简单介绍了语音增强的背景意义和现行的研究状况。在第二章中对语音增强涉及的基本概念进行了阐述。概述了语音增强常用的几类算法。然后重点研究了噪声功率谱估计算法。此外，本文还重点研究了改进的谱估计分别和谱减法、维纳滤波法相结合的算法。谱减法是一种传统的语音增强算法，由于其复杂度小，因此应用广泛。然而，传统谱减法仅仅利用无声段估计噪声功率谱，估计值与实际值之间误差较大，从而导致去除噪声效果不佳。为了提高谱减法的性能，特别是在非平稳噪声环境下的降噪性能。本文提出了一种改进的噪声功率谱估计算法，即时间回归的最小值跟踪算法（Time Recursive Minimal Tracking, TR-MT）。该算法充分考虑了频带之间的相关性，通过局部能量的平滑，保护强语音后面出现的弱语音，减少了过估计；同时采用非固定窗长的跟踪最小值算法，降低了跟踪时延，引入了与语音存在概率相关的平滑因子，对带噪语音加权后采用时域递归方法计算出噪声功率谱。然而，采用谱减法增强后语音的残留噪声类似“音乐噪声”，易引起人耳的听觉疲劳。采用维纳滤波的好处是增强后语音的残留噪声类似于白噪声，所以本文进一步研究了维纳滤波算法，结合改进的谱估计算法和谐波重建算法，提出了新的维纳滤波算法。该算法较好恢复了语音谐波成分，提高增强后语音质量。