随着科学技术的发展,人们对语音通信质量也提出了更高的要求。语音通信的过程中会同时受到各种噪声的干扰。在低信噪比环境下,语音会被噪声所淹没,严重影响了语音通信质量,甚至会导致无法进行语音通信。因此,高鲁棒性的语音增强技术愈发重要。多通道语音增强算法引入空域信息,实现在空域上的滤波,提高了去噪性能。然而,该算法对麦克风阵列的尺寸、数目和位置都有严格的要求,设备维护要求较高,不利用低成本设备的应用。因此,本文研究单通道语音增强算法,重点研究了基于稀疏约束的非负矩阵分解（NMF）算法,并针对该算法提出改进,针对改进算法,工程实现了实时在线语音增强系统。传统的语音增强算法需要使用噪声估计算法对噪声进行估计,但信噪比和复杂噪声环境下噪声估计误差较大,造成传统算法去噪性能降低。NMF算法不需要噪声估计,依据增强前训练的噪声字典和语音字典,将带噪语音功率频谱幅度通过矩阵分解求解噪声分量和语音分量,从而增强语音,去噪性能优于传统算法。本文重点研究了NMF算法的改进算法——稀疏约束的NMF算法,探讨了噪声是否匹配对稀疏约束的NMF算法性能的影响,并进行实验验证。结合梅尔频谱特性和非负矩阵分解的原理,不同于传统的使用普通幅度频谱作为数据进行矩阵分解,采用了基于梅尔频谱为数据进行矩阵分解的方法,提出了一种基于梅尔频谱的稀疏约束的NMF算法。实验证明,改进后的算法PESQ得分优于传统算法,算法复杂度大大降低。现有的稀疏约束的NMF算法使用固定的噪声字典和语音字典,当带噪语音的噪声和噪声字典不匹配时,去噪性能下降。本文基于此问题,改进了原有算法,设计并实现了基于稀疏约束的NMF算法的语音增强系统,分为两个方面进行改进,一方面设计滤波器模块,引入了稀疏度的计算方法,并通过稀疏度计算语音存在概率,使用语音存在概率和后验信噪比设计自适应参变因子改进原有滤波器,设计的参变因子能够在不同频段和信噪比自适应调节大小,实验证明改进后的滤波器的稀疏约束的NMF算法的PESQ得分优于传统算法。另一方面,设计了自适应噪声字典更新模块,使用计算的语音存在概率选择性更新噪声字典,实验证明了自适应噪声更新模块在低信噪比下的PESQ得分有一定提升,增强了噪声字典的鲁棒性。最后,在树莓派平台上工程化实现了基于稀疏约束的NMF的语音增强系统,设计的语音增强系统分为两个大模块,训练模块和在线增强模块,训练模块实现了批处理训练音频,在线增强模块实现了批处理增强音频和在线增强音频,在线增强音频增加了录音读入模块和录音处理模块,并通过openblas矩阵运算库优化矩阵运算、优化内存结构、优化代码结构等方式实现算法优化,降低了工程实现的算法运算时间,实现了实时的在线增强音频处理功能,并通过树莓派进行测试,证明了优化后算法运算时间大大降低。