在噪声环境下,许多语音处理系统的性能急剧下降,语音增强作为解决噪声污染的一种有效处理技术,一直是语音信号处理领域中的研究热点。语音增强的目的就是从带噪语音信号中尽可能提取出干净语音信号,提高信噪比,改善语音质量。卡尔曼滤波器是均方误差最小意义下的最优线性估计器,在非平稳条件下也可以保证最小均方误差滤波。基于卡尔曼滤波的语音增强算法结合了语音的生成模型,并且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.研究了卡尔曼滤波理论中的预测器,滤波器和平滑器。研究了其在语音增强中的应用,实现了基于卡尔曼滤波的语音增强系统。2.针对传统的卡尔曼滤波语音增强后语音存在较多残留噪声问题,给出了一种基于语音谱似然比的噪声功率谱整形方法。最小统计值跟踪方法是常见的噪声功率谱估计方法之一,其估计值往往偏低,因此本文通过基于语音谱似然比的加权系数来修正其估计的噪声功率谱,在语音谱成分较弱的地方,增加噪声功率谱的估计,使得卡尔曼滤波后的语音中残留噪声减少,并且听觉上更加清晰自然。3.结合子带分解技术,本文研究了一种基于子带卡尔曼滤波的语音增强方法。实验结果表明,在提高语音质量的同时,子带分解降低了卡尔曼滤波的模型阶数,大大地减少了语音增强系统的计算量,更容易实时实现。