在人类的生活环境中,到处存在噪声,因此干净的语音信号很容易受到噪声的干扰。随着语音识别、语音合成、语音控制等语音信号处理技术的发展,要求得到干净的语音信号进行处理,然而噪声干扰严重影响着这些应用技术的性能,甚至于系统性能失效。因此,如何从带噪语音中尽可能的获取纯净语音,进行语音增强,是一个亟待解决的问题。一直以来基于麦克风阵列的语音增强算法是语音增强领域的一个重要研究方向,阵列具有很好的空间选择性,可以保持期望语言方向增益不变的同时,削弱其他方向的干额外噪声,从而实现良好的消噪效果。然而,这些方法所采集到的语音都含有残余的噪声,对增强性能的提高有限,针对这种不足,本文增加了一个基于模型统计的后滤波模块,提高增强后语音数据的信噪比。本文将麦克风阵列波束成形与基于统计模型方法相结合,提出基于模型统计后滤波的增强新方法。本文的工作主要有以下几个方面:1.介绍了几种常见的语音增强算法,并在第三章分别对它们的增强效果评估;2.分别介绍语音增强基本方法与麦克风阵列方法,以及介绍它们应用于语音增强算法的优点与不足之处;3.改进了后滤波方法,提出了基于统计模型后滤波的波束成形增强方法,并使用MATLAB与C++实现了该方法。首先利用宽带麦克风阵列波束成形对带噪语音进行增强,分析增强结果;再利用HTK工具箱训练出干净语音的GMM模型和噪声的GMM模型计算带噪语音的GMM模型;最后利用带噪语音模型的先验信息消除麦克风阵列增强残存的噪声。经过对语音增强后结果的评价,得出基于统计模型后滤波方法对残余噪声信号的滤除效果非常显著。