语音是人类用来传递信息最关键、最主要的方式之一。语音增强的主要目的就是从参杂了环境噪声的语音信号中提取出来原始的语音信号。本文前三章主要是将语音增强作为研究的目标,结合小波分析和变分模态分解(Variational Mode Decomposition,VMD)算法,本文提出了一种基于VMD和小波分析相结合的语音增强方法,为接下来语音信号的特征提取以及识别做铺垫。本文第四章和第五章主要是详细介绍了梅尔频谱倒谱系数和逻辑回归算法,在前面语音增强的基础上先采用梅尔频谱倒谱系数对采集到的各个年龄段的说话人的语音进行特征提取,再采用基于粒子群的逻辑回归方法对采集到的各个年龄段说话人的语音数据特征进行识别分类。主要研究内容包括:(1)针对小波变换中一般采用软阈值和硬阈值来对语音信号进行增强会造成目标信号丢失的问题。提出了一种改进小波变换方法,该方法采用改进的阈值函数和自适应阈值来对小波系数进行分解处理,然后对高频部分进行重构,从而减少增强过程中对目标函数的影响。(2)提出了一种基于VMD和小波分析算法相结合的语音增强算法。该算法首先利用VMD对原始语音信号进行分解,分别对各模态分量进行相关性分析并设定阈值,对低于阈值的模态分量进行小波阈值处理,提取有用信号并与其他模态分量进行重构。通过仿真实验结果表明,采用本文提出的方法,增强后得到的信噪比提高很多,且避免了在直接采用EEMD和VMD增强过程中出现部分有用信号丢失的情况,最终实现了良好的增强效果。(3)对采集到的不同年龄段的说话人的语音特征进行分析,最终通过梅尔频谱倒谱系数的方法对采集到的不同年龄段的说话人的语音进行特征提取。(4)考虑到传统逻辑回归方法中会出现局部极小值的情况,本文提出了一种基于粒子群的逻辑回归的分类方法,很好的缓解了局部极小值问题同时也提高了收敛速度。并用该方法对采集到的各个年龄段的语音数据进行相关的建模训练研究,实现对各个年龄段说话人的识别分类,并分析实验结果。