在人类的日常生活和工作中,面对面或通过电子通讯设备的语音交流是不可缺少的。然而在现实生活中,由于说话人经常会处于各种嘈杂的环境中,语音信号总是不可避免地受到来自周围环境的各种噪声的干扰和影响。这些噪声的存在不仅使得语音接受者对这些语音难以感知和理解,还会使得处于这些噪声环境下工作的语音处理和传输系统的性能大打折扣。为了减小这些背景噪声对语音的影响,就需要运用语音增强技术来抑制背景噪声、提高语音信号的质量。语音增强通过不同的理论和方法,从被噪声污染的语音信号中尽可能多地还原出纯净语音信号,以提高语音的质量与可懂度。按照对语音信号处理方式上的不同,现有的语音增强方法可分为时域内的语音增强和变换域内语音增强。由于变换域内语音增强技术能够更加突出纯净语音信号和噪声信号之间的特征差别,更有利于对于背景噪声的消除,因此各种变换域下的语音增强算法和技术一直都是中外学者们研究的重点。本文研究工作在离散傅里叶变换域内围绕基于幅度谱恢复的单通道语音增强算法开展,针对其核心参数的估计问题进行了详细的分析和有效改进,提出了新的噪声幅度谱估计方法以及相应的语音增强算技术,并从理论和实验两方面分析和验证了所提出算法的有效性和适用性。本文的主要研究和创新工作体现在以下几方面：首先,在幅度谱减算法的基础上,研究和分析了一种基于定量分析的语音增强(Quantity Analysis Based Speech Spectral Recovery, QASSR)算法,并指出该算法中所存在的两方面缺陷问题：1、算法输出结果中残留噪声过多,2、需假设噪声幅度谱已知。针对其第一个缺陷问题,基于语音存在概率和直接判决先验信噪比估计技术,提出了一种改进的语谱恢复算法,并通过实验仿真验证了改进算法的性能。其次,针对原QASSR算法中存在的第二个,即缺乏对于噪声幅度谱估计的问题,研究了传统的基于语音活动检测(Voice Activity Detection, VAD)的噪声谱估计算法,并指出了该算法在处理非平稳噪声时的不足。通过推导高斯模型假设条件下噪声功率谱与其幅度谱之间的关系,在利用软判决技术获取噪声功率谱的基础上,提出了一种噪声幅度谱的间接估计算法。另外,通过引入贝叶斯风险函数,在高斯模型条件下提出了一种基于最小均方误差(Minimum Mean Square Error, MMSE)的噪声幅度谱估计算法。实验仿真分析和验证了三种噪声幅度谱估计方法的效果。最后,将提出的改进语谱恢复技术与噪声幅度谱估计算法相融合,给出了一套完整的基于噪声幅度谱估计的语音增强算法系统,并将该算法置于不同噪声类型和输入信噪比的环境中进行语音增强效果验证,依据不同评价准则给出的仿真结果显示了本文所研究算法的良好性能。