本文在电信和语音识别系统中考虑了自适应滤波算法的语音增强和降噪问题。在真实嘈杂的环境中存在这些系统会降低其效率并降低其性能。例如,对于电信系统,背景噪声信号破坏传输的语音信号并使其可懂度和质量降低。对于语音识别系统,它们使测试和训练语音信号之间不匹配。过去已经提出了几种单麦克风增强技术,这里将对其进行讨论。这些技术中的大多数基于噪声平稳性的假设,但是在现实生活环境中,该假设未被广泛验证,这使得这些技术通过许多失真影响语音信号。此外,这些技术受到低输入SNR(<=5dB),噪声水平和噪声类型的低性能限制。这些限制导致我们使用第二个麦克风,它允许获得信号特性并使我们摆脱噪声平稳性的假设。然而,两个麦克风的存在提供了两个观察信号。这里的问题是我们如何通过仅使用观察信号来分离两个源信号(语音和噪声)而没有关于源信号的任何先验信息?这个问题在名称盲源分离(BSS)下是已知的,这是语音增强领域中最重要的问题。本文首先介绍了关于语音增强技术的历史和文献综述。其次,为了能够加深对于这个领域实际问题的理解,对自适应滤波算法的理论基础进行了详尽的学习与研究。在展示对于创新算法的主要贡献之前,先讲解并分析了三种传统的TM-BSS算法。而研究的创新算法被称为双传声器缩小尺寸简化快速横向滤波器(TM-RSMFTF)算法,是之前提出的经典算法的创新替代方案。该算法是已知前向盲源分离结构与能够减小尺寸和简化快速横向滤波器(R-SMFTF)的自适应滤波算法的结合。最后,在不同的条件和情况下进行了数值模拟,结果表明该算法在计算复杂度和分段信噪比,系统失配和分段均方误差等目标指标方面具有良好的性能和有效性。本文还对各种TM-BSS算法进行了比较研究从而得出结论,并提出了今后的工作方向。