语音作为人们特有的交流沟通方式,在生活中发挥着重要作用。语音不仅包括人类现场由声带振动发出,也包含电子设备远程传输语音,而噪声普遍存在于语音环境中,于是在接收端总是接收到带有噪声的语音信号。噪声的强烈程度会影响语音的表达效果。因此,噪声消减技术的语音增强方向研究逐渐被重视,其目的是尽量减小噪声干扰,把语音的质量尽可能提升。语音增强领域发展迅速,产生了许多优秀的算法,例如谱减法、子空间法、维纳滤波法等。近年来发展起来的小波法、二次消噪法、谐波语音增强法、神经网络方法等,这些语音增强方法不断推动着语音增强领域的高速发展。本文详细探讨了谱减法、卡尔曼滤波法、子空间法、小波变换。研究了经验模态分解(EMD)方法和传统语音增强方法,EMD对于处理时间信号具有特殊的优势。研究出以经验模态分解(EMD)为基础的的语音增强算法。研究了非线性信号处理方法奇异谱分析(SSA),并对SSA运算量大的问题及非自适应阶次重构问题的进行改进,将奇异谱分析(SSA)应用于语音噪声抑制。本文的创新点如下:1,提出了基于EMD前后置滤波的语音增强算法。着重研究卡尔曼滤波、EMD以及小波变换的方法,并在此基础上,结合各自的优缺点用于语音增强。将含有噪声的语音首先进行卡尔曼滤波噪声抑制,然后EMD处理,采用能量阈值方法判断出噪声部分本征模函数,然后用小波法再次进行噪声消减,最后整体重建信号。通过仿真实验,算法效果优于常用语音增强算法。2,提出了基于SSA自适应阶次重构算法。研究了奇异谱分析方法,奇异谱分析对处理语音这类非平稳信号具有较好效果,将奇异谱分析技术用于语音增强领域。将目标信号进行分帧处理并分别进行SSA处理,解决了奇异谱分析对信号整体处理运算量大的问题,运算的时间大为减少。另外,根据奇异值谱中奇异值分布情况,采用首尾奇异值及两者之间任一奇异值构造三角形的方法,根据余弦定理,角度最大处余弦值最小,角度最大处也即是信号与噪声的分界点。由此,自适应的选择重构阶次,去除奇异值较小的噪声点,进而整体重构信号。通过仿真实验验证,与谱减法、对数谱最小均方误差法、小波软阈值法及维纳滤波法进行比较,在低信噪比环境下,本文研究的算法消减噪声作用明显,而且可以达到实时要求。