随着机器自动翻译、人机对话、机器与机器对话的发展需要，语音信号处理成为数字领域里的研究热点。语音信号会受到周围环境噪声的干扰，如何避免噪声的影响，提高语音信号处理系统的输出效果成为关键。语音增强技术就是专门用来从带噪语音信号中提取尽可能纯净的语音，从而降低噪声的影响。在理想语音信号处理时，语音段是有用信号，非语音段是无用信号，但在噪声环境下，语音被噪声埋没，此时采用语音端点检测提取出准确的语音段才能保证后续语音处理的可行性。因此语音增强和语音端点检测成为了语音信号处理技术的两个重要环节。语音信号是一种复杂的非线性、非平稳信号，希尔伯特-黄变换（HHT）是一种适合处理非线性、非平稳信号的新方法。本文针对强噪声背景环境下的语音增强和语音端点检测进行了如下研究：1）分析了经验模态分解（EMD）中边界效应问题产生的原因以及带来的影响，根据信号内部极值点的分布特征，提出极值点组最佳匹配法抑制边界效应，仿真实验证明所提方法能有效解决边界效应。2）研究了基于HHT的语音端点检测法，充分考虑到经验模态分解的多尺度滤波特性和固有模态函数的分布特性，提出强噪声环境下基于改进HHT的语音端点检测法，首先通过两次降噪，提高端点检测系统输入语音的信噪比，再对选取的固有模态函数（IMF）进行加权，突出语音段的特征。通过仿真实验对比，结果显示所提方法既提高了端点检测的正确率，也提高了其鲁棒性。3）针对EMD语音增强法效果欠佳，以及自适应滤波语音增强后的语音带有“音乐噪声”的问题，提出EMD与自适应滤波相结合的语音增强法，该方法结合了EMD的多尺度特性和自适应滤波适用性强、实现简单等优点，提高增强效果。通过主观试听和时域图、语谱图、信噪比提高曲线的比较，证明了所提方法的有效性。