随着人工智能领域的发展,语音交互技术逐渐成为人工智能发展的重点研究对象。麦克风阵列技术可以在复杂的声学环境中进行噪声抑制,提高语音质量和可懂度。由于麦克风的数量、体积及运算速度等条件的限制,大多数基于麦克风阵列的语音增强算法不能直接应用于便携式终端设备中。差分麦克风阵列（Differential Microphone Arrays,DMA）因为其具有超强方向性、波束模式频率几乎不变以及体积小的特点得到了充分重视和广泛研究。本文主要研究了基于一阶差分麦克风（First-order Differential Microphone,FDM）阵列的双通道语音增强技术,并针对传统算法的不足做出了改进。具体内容如下:首先,对基于FDM阵列技术的双通道语音增强方法（简称FDM-SS）进行研究分析。发现经该算法处理得到的增强语音信号中存在方向性噪声残留,并且当对测试语音的静音段估计不精确时会造成语音质量的下降。其次,针对FDM-SS算法处理后增强语音信号存在方向性噪声残留的缺陷,提出了基于差分麦克风阵列的变步长LMS（Least Mean Square）语音增强算法。该算法对两个麦克风采集到的带噪语音信号进行一阶差分麦克风阵列处理,将获得的语音通道信号和噪声通道信号分别作为期望信号和误差信号与变步长频域LMS算法相结合,控制自适应滤波器的权系数进行调整。实现对语音通道信号中的方向性噪声残留进一步消除。仿真实验结果显示,提出的改进算法能够对方向性干扰噪声进行有效地抑制,提高语音质量。最后,针对广义旁瓣对消（Generalized Sidelobe Cancellation,GSC）结构中存在BM模块在低频段会丢失语音信号的缺陷。结合一阶差分麦克风阵列的优势,提出了基于一阶差分麦克风阵列的改进GSC算法。该算法将差分麦克风阵列处理后的语音通道信号和噪声通道信号分别作为GSC的固定波束形成器（Fixed Beamformer,FBF）模块和阻塞矩阵（Blocking Matrix,BM）模块输入。并增加一个BM模块通过均衡滤波器对低频部分的能量丢失进行补偿,提高自适应噪声相消器（Adaptive Noise Canceller,ANC）的性能。利用两通道信号对先验信干比（Signal-to-Interference Ratio,SIR）进行估计,从而控制ANC自适应滤波权系数进行更新,消除语音通道信号中残留噪声。实验结果表明,提出的算法可以有效地克服方向性噪声并减少语音信号的失真,语音质量客观评估及降噪效果都优于参考算法。