通信是人类交流的手段，而语音早已发展成为人类进行交流的一种主要方式。在通信行业中，语音信号处理是其中的一个重要分支，而语音增强则是这个分支中的重要部分。语音增强被用来消除或减弱噪声的干扰，提高语音的可懂度、清晰度和舒适度，为语音编码、语音识别等应用提供预处理等。正是由于其天生的重要性，语音增强一直以来都是人们研究的热门课题，对其的研究有十分重要的实际应用意义。 本文系统地研究了幅度谱相减、基于人耳掩闭效应、维纳滤波和最小均方误差估计等语音增强算法，并在不同的有色噪声环境下对这几种算法进行仿真，对比了各种算法在有色噪声环境下的性能。由于传统的语音增强算法在有色噪声环境下性能损失严重，本文提出了基于自适应噪声功率估计的多带谱相减语音增强算法。该算法根据有色噪声对语音不同频率段的污染程度不同将带噪语音分频段进行幅度谱相减，并针对有色噪声的不平稳性，采用自适应的噪声能量谱估计，实时更新噪声功率估计值。本文对比其他算法，证明该算法是一种计算量较少，性能较高，对传统谱减法遗留音乐噪声抑制较强的有实际应用价值的算法。本文还提出了一种基于高阶累积量参数估计的子带增广卡尔曼滤波算法。该算法将信号分为不同子带分别进行卡尔曼滤波，减少了语音和噪声AR参数估计的阶数，从而极大地减少了算法的计算量，使这种极有前途的算法实时性应用成为可能。仿真结果证明，该算法无论在平稳和非平稳噪声下都有较好的性能，是一种很有发展前途的算法，将该算法的实时应用又向前推进了一步。