语音，是人类进行信息交流的主要方式。随着社会科技的发展，人类对语音的研究逐渐深入，这种信息交流的方式也逐渐引入到各种电子设备中。而语音信号在通讯过程中，不可避免的会受到外界噪声以及设备内部噪声等各种噪声的干扰。由于噪声的干扰会影响到人们的听觉质量，因而需要使用语音增强的方法来减少噪声的干扰。语音增强的目的就是从被污染的语音信号中，尽可能去除噪声信号分量，保留目标语音信号，提高语音的可懂度与语音的听觉质量。
　　相较于单麦克风语音增强中，声源与麦克风之间距离、位置相对固定这一局限性而言。麦克风阵列语音增强不仅能够很好的克服上述局限，而且还能在复杂的声学环境下，获取语音信号更多的时域以及空域的信息以此来对噪声进行抑制，得到更高质量的目标语音。但是受限于成本以及空间等因素，传统的麦克风阵列语音增强技术无法很好的应用于小型化的设备中。基于此背景，本论文着重研究了基于麦克风小阵列的语音增强算法，其主要工作如下：
　　首先，本文详细阐述了固定波束形成、广义旁瓣抵消器以及相干滤波器在麦克风小阵列模型上的原理和消噪性能分析。并在特定的噪声环境下，通过仿真验证其消噪性能。相对于其他两种算法，相干滤波器不仅能够在多个噪声源的条件下表现出很好的噪声抑制特性，而且在不同的噪声环境下也能够很好的消除噪声，提高语音的可懂度。
　　其次，针对相干滤波器的纯语音信号功率谱估计不准确的问题，本文引用Jeannes提出的相干滤波器模型。将纯语音信号功率谱估计问题转换到噪声功率谱估计，并与Martin提出的基于最小统计的噪声谱估计算法相结合，得到一种基于最小统计的噪声谱估计的相干滤波器算法，使语音增强系统的消噪能力大力提升。
　　最后，针对最小统计的噪声谱估计算法的谱估计误差的问题，这个误差是由噪声谱跟踪延迟所产生的，会影响到结合算法的消噪性能。提出一种基于加权谱平均的最小统计噪声谱估计算法。该算法不以时间窗去跟踪噪声谱，而是引入阀值去判断噪声谱是否需要更新，并利用平滑推移参数去更新噪声谱，避免跟踪延迟，使噪声谱估计更精准。
　　将上述的改进的噪声谱估计算法与相干滤波器算法相结合，并应用到麦克风小阵列，得到一种基于加权谱平均的噪声谱估计与相干滤波器相结合的麦克风小阵列语音增强算法。仿真结果表明，相较于对比算法，本文提出的算法可以更好的提升语音的可懂度及语音的质量。