随着人工智能的快速发展,语音通信及语音交互广泛地运用于手机平板、智能家居、智能车载等领域。然而语音不可避免地被环境噪声污染,不同场景中高质量的语音通信、高效率的人机交互性能等应用需求的驱使,使得语音增强研究迎来了新的机遇和挑战。大多数单通道语音增强算法在高信噪比、平稳噪声情况下具有良好效果,但是在低信噪比、非平稳噪声的复杂环境下,其增强性能明显下降。针对低信噪比、实际非平稳噪声干扰下的语音增强难题,本文通过两种不同的基于时频掩膜的方法达到增强目的,主要工作及贡献如下:（1）提出了基于时变滤波的时频掩膜估计语音增强方法。受启发于鲁棒时变滤波在低信噪比环境下对非平稳信号滤波与干扰抑制的有效性,将其运用于语音增强。首先在带噪语音的时频域中结合语音特性与图像处理方法估计出初始瞬时频率信息;基于瞬时频率值,接下来利用鲁棒时变滤波重构降噪后的信号;最后依据重构语音的时频特征预测二元时频掩码,并将该掩膜与带噪语音谱相乘估计出干净语音谱,实现语音增强。实验结果表明,所提方法相较于多带谱减、最小均方误差短时谱估计等经典方法能更好地抑制噪声、提升语音质量,且在低信噪比（低至0d B）环境下更具优势。（2）提出了基于复比例掩膜的音视频语音增强方法。复比例掩膜增加了相位谱估计,能够提升语音质量。并且,在复杂噪声环境下,视频信息可以有效辅助区分语音段与非语音段,提高增强性能。基于音视频双模态作为网络输入以及复比例掩膜作为网络预测目标的优势,设计了一种融合相位谱估计的音视频语音增强网络,包括音频编码、视频编码、特征融合、音频解码四个部分。针对视频特征与音频特征融合比例问题,在特征融合模块中加入注意力机制,利用音视频相关性为视频特征分配合适的权重,实现视频信息的有效融合。另外,在编码-解码网络之间引入残差结构,减少由于多层卷积层叠加导致的语音低层细节信息丢失,并且提升网络性能。实验结果表明,所提方法在-5d B至5d B的低信噪比环境下对多种类型实际非平稳噪声的抑制具有优势,能有效地提升语音质量与可懂度。