语音增强技术是人机交互系统在复杂声学环境中正常工作的重要保证。根据采用麦克风数量的不同,语音增强技术可分为单通道和多通道语音增强。相较于后者,单通道技术并不依赖于麦克风精度,具有易用性和有效性而被广泛研究。目前主流的单通道方法通常是基于时域和变换域中语音和噪声的差异性特征。然而这些方法过于依赖于噪声估计精度,且在低信噪比条件下面临鲁棒性被制约等问题。针对以上难题,本文分别从频域、调制域和时域角度,深入研究语音信号的稀疏性、低秩性和谐波特性,设计了相应的语音增强算法,主要贡献和成果总结如下:（1）针对频域单通道语音增强算法对噪声估计准确性依赖问题,本文提出了一种基于频域k近邻稀疏模式学习的近似消息传递方案。该方案深入挖掘语音信号与部分背景噪声信号频域内稀疏性差异:首先,对语音的先验稀疏分布进行伯努利-高斯分布建模,并利用近似消息传递算法迭代更新,获得增强语音的最优后验概率;其次,基于帧内相邻系数间的相关性,采用k近邻分类方法提高每帧语音稀疏度的学习精度;最终实现在噪声估计及完全稀疏等先验条件缺失情况下,所提方案依然可获得较好的语音增强效果。实验结果表明,当输入信噪比（SNR,Signal-to-Noise Ratio）为5 dB时,与基于噪声估计的维纳滤波法相比,所提方案的语音质量的感知评价（PESQ,Perceptual Evaluation of Speech Quality）得分提高了约 0.08。（2）针对调制域算法低信噪比平稳噪声场景中语音感知质量性能欠佳问题,本文提出了一种基于调制域改进的帧迭代谱减法方案。该方案充分利用语音信号调制域内相较于频域内更稀疏、与噪声信号分布区别性更明显的特点:首先,基于语音的帧间相关性,设计了一种联合基于双阈值的压缩感知和帧迭代谱减法的降噪方案;其次,为进一步抑制伪影不良影响,设计了一种基于分段SNR（segSNR,Segmental Signal-to-Noise Ratio）的掩蔽方案;最终实现在减少重构语音帧数的同时,提高语音增强系统的抗噪能力。实验结果表明,在输入SNR为-5 dB的白噪声环境中,与调制域谱减法相比,所提方案的平均segSNR提高了约1.08 dB,平均PESQ得分提高了约0.09。（3）针对时域传统单通道语音增强算法非平稳噪声场景中客观可懂度性能欠佳问题,本文提出了一种基于时域自适应低秩矩阵分解方案。该方案深入挖掘时域内语音信号与噪声信号低秩性差异,且可避免上述方案相位近似重构缺陷的特点:首先,利用基于最大熵准则的低秩矩阵分解方案抑制多类型噪声;其次,针对采用固定秩值运算的局限性问题,设计了一种能量阈值方案自适应地更新每帧语音的有效秩,从而高效地获取干净语音成分。实验结果表明,在输入SNR为0 dB的babble噪声场景中,与有约束的低秩稀疏矩阵分解方案相比,所提方案的平均segSNR、平均PESQ和平均短时客观可懂度（STOI,Short-Time Objective Intelligibility）分别提高了约 0.34 dB、0.15 和 0.07。（4）针对联合时域与调制域各自优势的融合特征在深度学习上可行性问题,本文提出了一种基于调制域辅助特征的时域卷积网络方案。该方案通过深入挖掘语音信号的谐波特性实现语音增强:首先,通过利用时域特征可弥补调制域相位信息、调制域特征可充分表示语音属性的特点,实现对重构语音精度的提高;其次,针对模型收敛和梯度消失问题,设计了一种通过分解门控卷积单元,并搭载同时具有跳连接和残差连接的带洞卷积机制的改进网络结构;最终实现语音增强系统性能的提高。实验结果表明,在输入SNR为0 dB的babble噪声场景中,与原始时域卷积网络方案相比,所提方案的平均PESQ和平均STOI得分分别提高了约0.12和0.02。