随着现代军事理论、军事思想、作战方式和科学技术的快速发展,航空武器装备发展十分迅速。由于旋翼飞行器具有垂直升降、悬停、翻转、慢飞或向后飞等优点,已经成为低空、超低空突防以及低空轰炸的重要武器。但飞行器的旋翼在旋转时扰动空气,产生强烈的气动噪声,严重影响了飞行器的隐蔽性。同时,旋翼飞行器在低空飞行时,辐射的旋翼噪声严重干扰了机载通信系统的通讯质量。本文以此出发,对旋翼飞行器噪声抑制及舱内语音增强进行研究。本文对旋翼飞行器噪声的研究主要从两方面进行:第一,对飞行器旋翼噪声进行有源自适应消除。第二,对舱内旋翼噪声环境中的有意义语音信号进行提取与增强。首先,研究了旋翼飞行器噪声特性。对旋翼飞行器噪声源进行分类,接着,从产生机制、频谱特性和非平稳性三个角度对旋翼噪声进行了定性分析。最后通过时间序列分析,对旋翼噪声建立了ARMA模型,并通过实验验证了模型的可靠性。然后,对旋翼噪声的有源自适应消除进行了研究。在分析了有源自适应消除的原理和FXLMS、FXNLMS有源自适应算法的基础之上,通过实验仿真验证了在理想条件下,有源自适应消除的可行性。针对实际情况中次级通道引入非线性的问题,本文提出基核自适应滤波器的次级通道建模方法,并将LMS、KLMS和KAPA算法进行对比实验,实验表明,KAPA算法的稳态误差和收敛速度都优于LMS和KLMS算法。针对次级通道的时变问题,提出了基于KAPA算法的次级通道在线辨识算法,并通过仿真实验验证了其优越性。最后,研究了旋翼环境下的语音提取与增强。在语音提取方面,重点分析了语音端点检测算法中的双门限法和对数频谱距离法,针对传统的语音提取算法对非平稳噪声的效果较差的问题,提出了融合Cadzow谱估计和LSFM特征的语音端点检测方法。Cadzow算法通过旋翼噪声的ARMA模型进行功率谱估计,从而求得特征LSFM,通过LSFM与自适应阈值比较,即可判断出语音端点。实验证明:该方法对非平稳的旋翼噪声有更好的检测效果。在语音增强方面,重点研究了谱减法和维纳滤波法。针对传统的语音增强算法中相位增强不充分的问题,提出了基于理想组合掩码ICM的语音增强算法。通过深层神经网络估计出ICM,结合相位补偿方法,同时对语音信号的幅值谱和相位谱进行增强。经过仿真实验,验证了该算法能够有效地抑制背景噪声,并且能够显著地提高语音的可懂性和自动识别率。