随着科学技术的发展,语音识别系统得到了广泛发应用。在一般情况下,目前所有使用的语音识别系统都需要进行语音降噪处理,都存在语音降噪系统。因此,语音降噪算法对于语音识别具有重要的作用,本文为了增强语音降噪算法的效果,对目前的语音降噪算法进行了改进。首先,介绍语音信号产生相关原理、语音信号的特征、噪声相关知识算法和人耳的特性。同时对语音降噪的客观和主观评价方法分别进行了介绍。对于语音降噪处理的算法的评价,我们不仅仅需要考虑算法评价的可操作性和准确性,同时也要避免算法评价的片面性。经过比较,针对主观和客观评价方法,我们通过分析比较选出分段信噪比和波形图两种方法作为对算法评价的客观方法和主观方法。另外一个方面,语音降噪处理的算法运行时间也是一个重要的因素,所以,我们同时也考虑了时间这个因素。然后,主要是针对传统的频谱减法,进行改进并且实现改进的算法。一开始主要对频谱减算法的噪声估计这个阶段进行部分改进。以前传统的噪声估计的方法是基于最小统计和最优平滑的噪声估计,在噪声的估计阶段,本章使用了基于语音检测的噪声估计算法,对噪声进行了有效的估计。其次,针对频谱减法的特点,实现了对语音噪声进行处理的方法。最后,利用仿真实验说明算法的有效性。对于频谱减法在处理噪声的过程中容易产生噪声这个缺点,使用自适应加权平均滤波器,自适应加权平均滤波器在很多领域内都有广泛的使用。同样地,它可以应用到语音信号的噪声消除。自适应加权平均滤波的算法有很多,本文拟采用的是LMS算法。我们在了解自适应滤波算法及其应用的基础上,对LMS算法也进行深入的分析,然后对自适应加权平均滤波的基本算法进行实现,有效的降低了语音处理的噪声。最后,本文提出了基于AR模型参数的估计,结合Kalman滤波的理论,对语音增强算法进行了分析与研究。本文的研究内容是基于AR模型的Kalman语音增强算法研究。针对传统的语音增强算法的不足,本文在谱增益自适应估计方面进行了改进,得到了基于AR模型的Kalman语音增强算法,对语音信号的AR谱包络的估计进行了修改,语音增强的效果得到明显的提高。最后,利用主观评价和客观评价的方法对算法的性能指标进行了评价,并且给出了评价的结果和结果的分析。从实验的结果说明了算法的有效性。