语音信号是人类进行信息传播和思想交流的重要媒介，但其在传播过程中往往受到各种噪音信号的干扰，这使得我们很难得到纯净的语音信号，为提高语音信号的通信质量，语音增强处理就有极大的应用价值。语音增强技术涉及的知识不仅与信号处理理论有关，还与人的听觉感知特性、噪声特性等有关，同时，噪声来源广泛，它随不同的应用场合呈现不同的特性，这就导致并不能找到一种通用的语音增强算法对各种噪声进行处理，而是特定的算法应用到特定环境下才有可能获得良好的降噪效果。本文主要研究基于MMSE的语音增强算法，首先，在开始部分对语音增强的意义做出了详尽的介绍，同时对其历史及发展进行了简单的描述。然后，在第二部分介绍了语音增强涉及的相关知识点，其中包括语音特性、人耳听觉特性以及噪声特性等，也介绍了语音增强算法的分类，并简单描述了几种常用的语音增强算法。虽然语音信号是时变非平稳的信号，但是语音信号具有短时平稳性使得在对语音进行分析时可以把语音信号分为若干帧，把每一帧的语音看做是稳定的，进而进行处理。基于短时谱估计的语音增强算法大致包括：谱相减法、维纳滤波法、MMSE算法，在第三部分对这几种语音增强算法用计算机仿真实验进行仿真对比，再用同输入信噪比后的输出信噪比来确定带噪语音信号的增强效果。从仿真结果可以看出，在短时谱估计的语音增强算法中，MMSE算法是语音增强最优的估计算法。第四部分主要是对MMSE的语音增强算法进行研究，为了计算和实现方便，对于MMSE的语音增强算法，以往我们假定语音信号服从高斯分布，但是经研究发现，有更接近语音信号的分布，也就是超高斯分布。对超高斯分布取特定的参数可以得到我们常用的分布模型（如拉普拉斯模型、伽玛模型等），同时发现这些模型都优于高斯模型。在计算机仿真实验中，主要是寻找在超高斯模型下的最优参数值，使得语音增强效果最好，并且保证在同输入信噪比的情况下输出信噪比最高。