实际环境中，语音总会受到各种外界环境噪声的干扰，影响语音质量，而语音质量的下降会使语音处理系统的性能急剧恶化。因此，为了在背景噪声存在的条件下，也能够使得语音处理系统有效地工作，就需要采用语音增强技术进行预处理，改善语音质量，从而有效地改善语音处理系统的性能。本文主要研究如何将BP神经网络与谱减法相结合，改进谱减法，使其能适应不同的噪声环境。首先分析了几种传统语音增强算法的原理，包括谱减法、滤波器法、非线性处理和自适应对消法，重点探讨了谱减法及其改进形式；然后，分析了BP神经网络的基本原理、结构、训练方法及其应用。针对谱减法残留音乐噪声的缺点和BP神经网络的自学习、自组织、自适应和容错性等优良性能，提出利用BP神经网络对谱减法作两方面的改进措施：第一，用BP神经网络来进行语音活动性检测，增加有声/无声段判决的准确性，然后用所有无声段来作噪声谱的估计，从使噪声谱的估计更加准确，进而改善语音增强效果。第二，用BP神经网络的非线性逼近功能，计算当前语音帧的谱减因子，而不是像基本谱减法中，所有语音帧都用同一个谱减因子，达到进一步减少音乐噪声的目的。此外，还在谱减法中加入感觉加权滤波器，增加人耳听觉上的舒适度。经过以上三方面的改进后，进行计算机仿真实验，与基本谱减法相比，实验结果表明，该算法语音增强的效果得到了一定程度的改善。