随着现代通信技术的迅速发展和计算机的普及，语音通信已经成为了现代信息社会最重要的信息交流手段之一。实际通信中语音信号总会受到各种环境噪声的干扰，导致语音质量下降，使通话质量和语音处理系统的性能下降甚至失效。这种情况下，有必要采用语音增强技术抑制背景噪声，提高语音通信质量。语音增强可以应用于多媒体语音通信、有线、无线语音通信、语音编码、助听设备、鲁棒性语音识别和多模态人机交互、口语对话等领域。 卡尔曼滤波器是均方误差最小意义下的最优线性估计器，具有处理非平稳信号的能力。基于卡尔曼滤波的语音增强算法结合了语音的生成模型，利用语音的线性预测系数构成状态转移矩阵，增强后语音中残留的音乐噪声较少。卡尔曼滤波器具有处理多状态系统的能力，适合于非平稳噪声干扰下的语音增强。本文对基于卡尔曼滤波的语音增强方法进行了深入研究，主要做了以下工作： 1.深入地研究了卡尔曼滤波理论及其在语音增强中的应用，针对卡尔曼滤波器存在的发散现象，给出了平方根卡尔曼滤波方法。 2.针对卡尔曼滤波器需要语音的线性预测系数构造状态转移矩阵，讨论了噪声环境下线性预测系数提取的方法。深入研究基于语音活动检测和最小值统计跟踪的噪声功率谱估计方法。实验表明，最小值统计跟踪方法能够更好的估计噪声功率谱，与谱减算法结合时能有效的增强语音。并且利用声道的慢变特性平滑语音的线性预测系数，能够进一步减少增强语音中的残留孤立噪声。 3.针对传统的卡尔曼滤波语音增强算法对语音建立由白噪声激励的AR模型，忽略了浊音段语音的激励信号具有明显的周期性，本文对语音建立清浊音模型，提出一种结合多脉冲激励的卡尔曼滤波语音增强算法，在浊音段的语音状念方程中加入多脉冲激励信号，重建语音的高频谐波。实验结果表明，本文算法能够更好地提高语音质量，改善增强效果。