语音是人类相互之间进行交流的最自然和最方便的形式之一。现实生活中的语音不可避免的要受到周围环境的影响，语音增强则是解决噪声污染的有效方法，其目标就是从带噪语音信号中尽可能提取出原始语音。 本文首先对语音增强发展历程以及增强算法的基本理论做了介绍，讨论了语音和噪声模型及语音增强过程中的一些关键技术。从基本的自适应滤波器理论开始，对线性均方准则和基于此准则的梯度最小均方（LMS）算法和递归最小二乘（RLS）算法进行了研究及实验，比较了他们的优缺点。其后对自适应滤波理论的一个重要分支，卡尔曼滤波算法进行了详细的研究分析，将谱减法和听觉掩蔽效应算法应用于卡尔曼滤波算法，实现了卡尔曼滤波语音增强算法的改进。该算法采用了基于谱减法的AR参数估计，与传统的AR参数估计相比较降低了复杂度和计算量；利用得到的AR参数对语音信号进行卡尔曼滤波，然后通过结合人耳听觉掩蔽特性设计的后置感知滤波器，使得从卡尔曼滤波获得的估计误差低于人耳掩蔽阈值，在去噪和语音失真之间取较好的折中。 仿真结果表明所提方法优于传统的卡尔曼滤波增强法，能够较为有效地减少语音失真，并且更符合人耳听觉特性。在上述工作的基础上，根据语音增强方法的特点设计了语音增强系统，对论文的自适应语音增强算法进行了DSP平台上的软件设计，并在基于TMS320C5416的硬件平台上进行了算法的实现。