语音增强的研究是语音信号处理理论的一个重要分支，它可以用来消除噪声干扰，提高语音的可懂度，为语音编码、语音识别等应用提供预处理等。一直以来语音增强都是人们研究的热门课题，有着十分重要的理论研究和实际应用的意义。 语音和噪声的特性是语音增强的基础知识，本论文首先对语音和噪声的特性进行了总结，提出了一种简化的语音生成模型。然后系统的研究了谱相减、维纳滤波、最小均方误差、基于人耳掩蔽效应的增强算法等语音增强算法，对这些算法，针对不同的噪声环境，进行了计算机仿真实验。在此基础上，本文提出了基于高阶累积量进行参数估计的增广卡尔曼滤波语音增强算法，该算法提出了将高阶累积量应用到语音增强中，利用高阶累积量对高斯噪声不敏感的特点，用其进行参数估计，克服传统的卡尔曼滤波器语音增强算法参数估计不准确的问题；同时也利用卡尔曼滤波器在平稳和非平稳噪声干扰下都能正常工作的优点，克服谱相减等算法在非平稳的有色噪声干扰下语音增强效果下降的缺陷。新算法结合了高阶累积量和卡尔曼滤波的优点，从理论分析和实验结果都可以证明，该算法很好的消除了噪声干扰，提高语音质量和可懂度。 本文还针对算法的实际应用，设计了实现算法实际应用的硬件平台。利用TI公司的TMS320C6711DSP芯片，和FPGA芯片搭配，设计了一个可以实时应用的语音增强卡。