由于网络上共享的音频资源经常会混入各种噪声，导致这些音频资源的质量参差不齐；另外，随着数字化进程的加快，许多珍贵的旧唱片等也采用数字化的存储方式，然而在这个过程中经常会引入噪声，严重影响其音质。如何增强这类音频的质量是目前亟待解决的一项课题。　　本论文主要针对音频信号中的咝咝(Hiss)噪声、谈话(Babble)噪声、办公室(Office)噪声、街道(Street)噪声、车内(Volvo)噪声和削波(Clip)失真的去除展开研究，提出了几种音频增强算法，并最终实现了一套基于AAC码流的音频增强算法。　　在Hiss噪声去除方面，考虑到MDCT系数的高阶系数主要为噪声成分，本文引入了修正的绝对中值标准差(Modified Median Absolute Deviation，MMAD)来估计Hiss噪声。本文首次利用修正的离散傅里叶变换(Modified Discrete FourierTransform，MDFT)系数进行人耳听觉掩蔽阈值的计算，并将参数软阈值方法与掩蔽阈值和掩蔽参数相结合来消除音频信号MDCT系数中的Hiss噪声。同时，结合实际应用，提出了一种基于AAC码流的Hiss噪声抑制算法，有效去除了音频信号中常见的Hiss噪声。　　在典型噪声(Babble、Office、Street、Volvo)抑制方面，由于音频信号中弱信号成分对其音质有很大的影响，所以本文引入修正的加权递归平均算法(Modified Weighed Recursive Averaging，MWRA)来保护含噪音频信号中的弱信号成分，防止其被估计成噪声成分。考虑到音频信号有很强的掩蔽能力，本文引入了人耳听觉模型，并结合自适应的β阶高斯统计模型，提出了一种基于MDCT的典型噪声增强算法，有效抑制了MDCT系数中的典型噪声。为了能够用于去除网络音频信号中的典型噪声，将前述的典型噪声增强算法与AAC编解码器相结合，本文提出了一种基于AAC码流的典型噪声抑制算法。　　在削波(Clip)失真修复方面，本文首次在频域根据MDCT系数提取相关音频特征，并将这些特征用来训练Fisher最优投影方向和分类阈值；然后利用Fisher线性判别方法进行Clip检测以及利用子带包络码书映射的方法来修复MDCT系数中的Clip失真；最后本文将该算法应用到AAC编码器中，提出了一种基于AAC码流的Clip修复算法。　　主客观测试结果表明，本文所提出的音频增强算法能获得较好的噪声消除效果，并且增强音频的感知质量有明显的提高，算法性能优于参考算法。