语音是人类进行语言交流与信息传播的重要媒介。然而,在现实生活中,语音信号不可避免地会被各种类型的噪声所污染。被污染的语音严重影响了语音交流的质量,同时还会使人产生听觉厌恶和疲劳。因此,研究有效的语音增强技术显得尤为重要。语音增强目的是尽可能地抑制和消除被污染语音中的噪声,从而提高语音的清晰度和可懂度。传统的语音增强算法在平稳噪声环境下能取得较好的性能,而对非平稳噪声和类人声噪声的抑制能力有限。而现实生活中,非平稳噪声是普遍存在的,本文基于稀疏表示和字典学习理论,提出一种改进的区分性联合字典学习方法以改善语音增强效果。本文首先介绍了一种联合字典的语音增强方法,该方法主要分为两个阶段,分别是字典学习阶段和语音增强阶段。在字典学习阶段,利用语音和噪声样本分别训练语音字典与噪声字典,并形成联合字典。在语音增强阶段,利用具有相干性终止准则的最小角回归算法,实现语音与噪声的分离。在仿真实验中,将该方法与传统的语音增强算法进行对比,并验证了该方法的有效性。上述联合字典方法没有考虑两类字典在表示语音样本和噪声样本的区分能力。在字典学习过程中单独地对每一类字典进行训练,不可避免地会导致各类字典之间存在较相关的原子,从而在语音增强阶段产生混淆现象。为此,提出一种改进的区分性联合字典语音增强方法。区分性联合字典方法的主要原则是加强语音和噪声在对应字典上的表示能力,同时抑制其在非对应字典上的稀疏表示度,而非对应字典的干扰问题尤其难以克服,本文方法通过设置一个有效的相关性约束条件,降低了两类字典间的相关度。仿真实验表明,本文方法比传统联合字典的语音增强方法性能更好,更适合用于非平稳噪声的去除。