当今社会的发展日新月异，各项新技术不断得以应用，便利生活的各种产品也是不断的涌现出来。本文所研究的语音增强技术就是近些年来一项比较有实用价值的技术，因为目前来说信息通信很大部分是由语音来承载的，如何能保证在各种环境下仍然能够进行信息交流是十分重要的，而且在未来社会的发展中，人类使用语音遥控的一些电子产品也将有很大的市场空间，这中间涉及到语音识别的问题，但是语音增强作为前端的预处理部分也同样起着非常关键的作用。 本论文中系统地研究了一些经典的语音增强算法，包括谱减法及其改进算法、Weiner滤波算法、最小均方误差算法、卡尔曼滤波算法等，并且在软件环境下进行了仿真实验，对比了各种算法在噪声环境下的性能，为后面的算法提供了技术铺垫。针对语音信号的非平稳性，论文中详细阐述了一种比较新的变换方法，那就是基于信号尺度的希尔波特．黄变换，并且分析了其与傅立叶变换的区别，主要使用当中的EMD分解方法，指出其使用于语音信号处理当中的优势所在。本文提出了一种将EMD分解方法与传统算法相结合的语音增强算法，与谱减法的结合，通过基于尺度的分解方法，将语音信号分解为不同频段的IMF信号，然后可以干净的滤除去非语音频段内的非平稳噪声信号，极大的降低了残留的噪声，提高了信噪比。本文还将该分解算法与子带卡尔曼滤波算法进行结合，首先通过分解将带噪语音信号进行滤波，滤除部分噪声之后可以更为准确的进行噪声和语音的参数估计，提高卡尔曼滤波的效果。仿真结果表明，将希尔波特一黄变换应用到语音领域，与其他经典算法进行结合，从主观评价或者客观评价标准来说都可以起到较好的语音增强效果。