语音作为信息的载体,在生活的诸多场景中都发挥着至关重要的作用,如智能驾驶、智能家居和视频会议等场景。但在实际生活中,人们接收到的语音都掺杂着各种噪声,这些噪声极大地影响了语音的质量及可懂度,因此需要语音增强算法去除带噪语音中的噪声,使语音的质量和可懂度得到提升。本文从以下三个方面开展对麦克风阵列语音增强技术的研究:基于时频掩蔽的语音失真加权多通道维纳滤波(SDWMWF)、基于掩蔽的后置滤波以及基于时频掩蔽的改进SDW-MWF。波束形成算法在进行语音增强时需要阵列与声源的先验信息,一旦这些先验信息存在偏差就会严重影响算法的去噪性能。本文采用的SDW-MWF算法,可以在不需要这些先验信息的情况下,依据估计出的噪声协方差矩阵,求解对应的权重,进行语音增强。传统的噪声协方差估计算法如语音活动检测(VAD)和语音存在概率(SPP)算法可能会使得噪声协方差估计存在偏差,导致输出语音存在失真或仍有大量噪声残留。本文借助基于时频掩蔽的方法来进行噪声协方差的估计,通过假设观测信号满足复高斯混合模型(CGMM),采用期望最大化(EM)算法计算麦克风阵列采集语音每个时频单元是噪声的概率,实现对噪声协方差的估计,并将其用于SDW-MWF算法中。实验证明,本文提出的增强算法可以提升输出语音的PESQ值和STOI值。SDW-MWF算法对噪声抑制性能有限,因此本文将其与基于掩蔽的后置滤波技术相结合,去除SDW-MWF算法语音增强后残留的噪声。基于掩蔽的后置滤波算法采用理想二值掩蔽(IBM)算法及其改进算法理想比值掩蔽(IRM)算法,因此需要时域噪声作为输入,本文采用一种基于多通道维纳滤波(MWF)的噪声估计算法来得到时域噪声,该算法借鉴MWF算法中的求解期望信号的方式,通过将MWF算法中的期望信号置换为噪声来实现对噪声的估计。将基于时频掩蔽SDW-MWF的输出与噪声估计得到的时域噪声作为后置滤波的输入,最终实现了对噪声的进一步抑制。实验证明,IBM后置滤波会在噪声得到进一步去除的同时导致输出语音失真,而IRM后置滤波输出语音中的噪声得到进一步抑制,语音质量得到了提升。在进行麦克风阵列语音增强时,大多数情形下只有一个目标声源信号,所以本文在只有一个目标声源信号的前提下对SDW-MWF算法的性能进行分析,分析其缺点并提出改进算法。改进的算法相比SDW-MWF更加简化,且输出语音质量更高。本文将基于时频掩蔽的SDW-MWF算法与基于时频掩蔽的改进SDW-MWF算法通过实验进行对比,实验证明,改进算法输出语音质量得到了提升。本文采用的基于六麦均匀线性阵的麦克风阵列语音增强算法在近远场情形及多种噪声下都可以取得好的语音增强效果,可将其应用在视频会议系统或其他需要语音增强的场景中进行噪声抑制。