背景：噪声是影响移动通信和语音识别等语音信号处理系统性能的主要因素之一。由于实际应用中噪声类型的多样性和语音信号本身的复杂性，以消除噪声为目的的语音增强技术一直是信号处理领域中极具挑战性的研究热点之一。本文在深入理解传统语音增强算法的基础上，针对宽带语音增强技术展开了研究。基于经典的统计模型理论和新兴的非平稳信号处理方法经验模式分解(EmpiricalMode Decomposition，EMD)技术提出了两种宽带语音增强算法，并结合两者的优点设计了一套整体增强方案。本文所提方法均可以有效的去除含噪语音信号中的噪声成分，保证增强语音的听觉质量。　　本文的研究工作主要体现为如下几个方面：　　首先，本文研究了基于统计模型的语音增强算法，比较了各种幅度谱估计器、信噪比估计方法和噪声估计方法的优缺点。针对原有噪声估计方法估计噪声功率谱不平滑导致增强语音存在音乐噪声的不足，本文提出了一种自适应噪声估计算法。该算法利用噪声功率谱的谱熵对噪声类型进行判别，将背景噪声分为白噪声和有色噪声两类，并根据两类噪声的特点分别选择谱平滑方法和最小值控制递归平均算法进行噪声功率谱的估计。该方法应用到语音增强算法中能有效的抑制增强语音中的音乐噪声现象。　　其次，本文研究了基于EMD的语音增强技术。利用EMD对含噪语音信号、纯净语音信号和噪声信号进行分解，通过分析各自固有模式函数(Intrinsic ModeFunction，IMF)的特点，提出了一种基于话音激活检测(Voice Activity Detection，VAD)的EMD语音增强算法。经测试，该算法能有效地抑制背景噪声。　　最后，根据基于统计模型和EMD的两种语音增强算法的特点，设计了一种融合的语音增强方案，即使用统计模型方法消除主要噪声成分，而后利用基于EMD的后处理方法进一步抑制残留噪声。在国际电信联盟电信标准部(International Telecommunication Union，Telecommunication Standardization Sector，ITU-T)G.160标准下对文中所提算法进行性能测试，测试结果表明，与传统方法相比，本文提出的融合语音增强方案能够在保证较强的噪声抑制能力的基础上，得到较好的增强语音质量。