现实世界中,语音信号很难避免受到各种噪声源的污染,语音增强的一个主要目的就是从带噪信号中尽可能的恢复出纯净语音信号。语音增强技术在语音信号处理的各个领域比如语音的识别、编码以及声控交互等方面发挥着重要的作用。本文主要研究基于实值离散Gabor变换为分析工具的语音增强方法。论文首先介绍了实值离散Gabor变换和语音增强的相关理论,并推导出在语音信号的分析和重建时通过实值离散Gabor变换和相应的逆变换(IRDGT)到联合时频域的表达式,介绍在将语音信号将语音从时域变换到其他变换域时,不采用常见的短时加窗傅里叶变换(STFT)而采用实值离散Gabor变换(RDGT)的优点。论文提出了一种新的基于实值离散Gabor变换的谱减法语音增强算法,此算法在联合时频域进行谱减增强,噪声谱估计采用在联合时频域的改进的基于最小统计和最优平滑的Martin算法,增强后的结果采用实值离散Gabor逆变换重建语音信号,实验结果证明,主观测试和客观测试指标均优于传统谱减法和Martin谱减法,且残余音乐噪声更小。论文研究和提出了在过抽样条件下实值离散Gabor变换在最小均方误差(MMSE)最优对数谱幅度(log spectra amplitude)的估计原则下纯净语音时频谱的最优估计,噪声采用改进的最小受控递归平均法IMCRA进行噪声谱估计,实验结果与基于短时傅里叶变换的MMSE等算法的结果进行比较,表明该算法的有效性。论文提出了一种新的基于拉普拉斯模型的联合时频域的语音增强算法,该算法利用语音信号服从Laplacian分布、噪声服从Gaussian分布的假设,结合最小均力误芹理论,得到了纯净语音分量的估计,实验结果表明该算法在与传统算法假设语音和信号噪声均服从Gaussian分布相比,语音增强效果更佳。