在我们生活的环境中，到处可以发现噪声，这些噪声或强或弱，时时刻刻影响我们的生活。其中就语音通信来讲，语音增强技术是近年来研究的热点之一。被噪声污染的语音信号改变了最初的特征，在严重情况下将导致语音处理系统不能正常工作。为了提高语音通信质量，学者对语音增强技术的研究遍布与很多领域中:比如:语音合成、识别系统等。在语音增强算法中，一般用到隐马尔科夫原理、卡尔曼滤波、维纳滤波等等。其中粒子滤波是语音增强算法中重要的算法之一。在语音信号处理方法中通过抑制背景噪声，实现语音去噪。对处理过的含噪语音来说，清晰度明显提高，通话质量明显改善。　　本论文研究的是基于粒子滤波器的语音增强算法，通过算法对含噪语音实现去噪，并显示良好效果。其中，重点讨论的算法是基本粒子滤波器，无迹粒子滤波器，并分别对两种算法实现语音的去噪。主要内容如下:　　(1)简单的研究了各种语音增强方法，主要分为两种，一种是基于语音生成模型参数的增强算法（如自适应语音增强算法、短时谱估计增强算法等）;另一种是非基于语音生成模型参数的增强算法。并详尽探讨了贝叶斯滤波和卡尔曼滤波的原理。　　(2)通过讨论模型和粒子滤波器滤波原理的基础上，探讨了粒子滤波器对TVAR模型参数的实时追踪，以保证跟踪模型的稳定性。对于基于粒子滤波的语音增强算法中，通过对语音信号进行处理，信噪比明显提高，听觉效果得到很大的改善。　　(3)在上述工作的基础上，引入无迹卡尔曼滤波算法，进而通过无迹粒子滤波算法，实现语音更好的去噪效果。并且通过仿真可以明显看出去噪的效果。