随着通信技术的迅猛发展，在语音处理中，抗噪声技术的研究以及实际环境下的语音信号处理系统的开发，已成为国内外语音信号处理的重要研究课题，噪声抑制所处的地位日渐重要。由于语音信号的质量常常由于高噪声的影响而急剧下降。因此，抑制噪声，有效控制失真度和人为噪声，并提高语音可懂度成为首要任务。本文综合考虑语音信号的传输特性、信号特点及人耳的听觉特征，提出时-频滤波算法及非线性语音处理增强算法。主要贡献如下： 1、提出了一种语音分形二维增强算法。该算法是针对噪声相关及非平稳性的处理方法，是二维傅立叶变换与语音处理技术相结合的综合应用，该算法可明显减小非平稳噪声的影响，并有效抑制音乐噪声。研究表明，分形理论在本质上是非线性的，它可以弥补传统线性分析方法的不足。而采用二维自适应滤波后，语音的包络形状得到较好地保持，使原始语音信号的特征完整。 2、在ANP基础上，提出了自相关噪声处理神经模糊推理(ANFIS)的概念及相关算法。该算法对噪声极为敏感，可以有效的去除线性或非线性噪声，滤波效果比一般的线性滤波器好。仿真证明ANFIS方法优于BP神经网络方法及高阶神经网络方法。它可以做到速度更快，误差更小、训练样本更少。 3、提出基于小波变换的语音信号分析方法及加权函数端点检测法：由于随机噪声常常导致信号的奇异性，奇异性的大小可以用Lipschitz指数来度量。随机噪声的Lipschitz指数与有效信号本身的奇异点的Lipschitz指数大小不一样，从而它们的小波变换模的极大值在不同尺度下的传播行为也不一样，利用这一特征可将有效信号从随机噪声中提取出来。这样的方法对信号的输入信噪比无过高要求，也可适当避免音乐噪声的产生。而种加权函数的提出，为端点检测提供了相关理论基础。 4、提出一种形态滤波增强算法。形态滤波器一般多用在图像处理中，本章却把形态滤波器引入到了语音信号处理中，通过形态处理有效地滤除脉冲噪声。随着结构元素的逐渐增大，可以看到各次谐波得到了不同程度的抑制，特别是当与低通滤波器结合使用时，能够有效地滤除高次谐波和脉冲噪声信号，且增强语音与纯净语音匹配效果好，使语音识别率在大的信噪比范围内得到明显提高。经输入、输出信噪比比较，语音质量主观评分，语音识别精度等试验的评估证明：形态滤波增强算法与其它算法相比，具有更好的效果。