现实生活中的语音不可避免的要受到周围环境的影响，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从带噪语音信号中提取纯净的语音信号，改善其质量。 本文对加性噪声下的语音增强技术做了较为详细的讨论。本文首先给出增强语音算法所涉及到的语音的基本特性和处理方法，它是增强算法研究和实现的基础。 其次本文针对经过基于短时幅度谱估计的算法增强后的语音，其残留的音乐噪声会给听觉质量带来较大的影响这一缺点，结合短时谱估计算法和人耳掩蔽效应提出了一种单通道语音增强算法．该算法在最小均方准则下采用了非固定参数的语音跟踪，并且引入人耳掩蔽效应动态的确定增强滤波器的传递函数以适应语音信号的变化。实验结果表明：该算法使降噪后的语音信号有较小的语音失真并且很好地抑制了音乐噪声。 传统的基于子空间语音增强方法在推导过程中假定噪声的方差矩阵是满秩的。在窄带噪声或者音调噪声下这一条件就不能满足。本文采用直接对噪声信号进行子空间白化的方法，提出了一种基于特征值分解的子空间语音增强算法，将传统的子空间语音增强方法推广到了窄带噪声的情况。仿真结果表明了该算法的有效性。 维纳滤波和Kalman滤波方法被广泛应用于自动控制及语音信号处理之中。维纳滤波形式较为简单，但是由于其滤波参数是固定的，只有在平稳噪声中才能得到最小均方意义下的最优估计，因此限制了它的应用；Kalman滤波方法采用递推形式，不仅可以处理平稳过程也可以用于多维和非平稳随机过程。然而传统的kalman滤波方法在推导过程中假定观测噪声为白噪声。通常对于有色噪声需要用白噪声激励的方法予以模拟，并且需要以牺牲运算量作为代价。本文提出了一种改进的基于kalman滤波的语音增强算法，提出了一种在有色噪声下的滤波器增益函数的约束解，可以处理白噪声和有色噪声情况，不需要增加计算量，仿真结果表明了该算法对有色噪声下的语音增强性能要优于传统kalman滤波方法。 传统的基于多麦克风的广义旁瓣抵消增强方法对于波达方向敏感，并且由于经过阻塞矩阵后的信号含有语音成分而导致语音失真。本文提出了一种泄漏约束的DF-GSC方法，该方法对噪声抑制和语音畸变做出了折中，通过调节参数以满足实际应用的要求。