随着信息技术的发展，语音信号作为信息的最普遍最直接的表达方式，在许多领域有着广泛的应用前景。然而在实际应用过程中，如语音通信、语音合成、语音识别等，所使用的语音信号不可避免地要受到外来的各种各样的噪声干扰。语音增强是去除语音中噪声的一种有效方法，但由于语音增强算法通常是基于语音信号的平均特性，语音信号中的过渡和动态成分总是不可避免地遭到破坏，而这些成分对语音信号的质量有着至关重要的意义。　　 本论文首先讨论了语音信号和噪声信号的特点，分析当前几种经典的语音增强算法以及它们所存在的问题，并介绍线性预测分析的基本原理。由以上讨论，本文提出一种基于线性预测残差的语音增强算法。由线性预测分析理论可知，线性预测系数携带有语音的频谱和共振峰信息，通过对不同噪声下语音信号的线性预测分析及多次实验仿真不难发现：在噪声位置预测系数较小，在语音位置预测系数相对较大，其平方和可以反映出带噪语音信号的瞬时信噪比。本算法将该平方和用于从维纳滤波导出的一个基于线性预测系数的去噪函数中，将该去噪函数结合B.Yegnanaraynana算法中提到的利用逆相对预测残差去噪的方法共同作用于线性预测残差信号，最后将该处理的残差信号作为激励通过声道滤波器即可得到增强的语音信号。　　 残差信号中对应有语音的位置带有少许的谐波成分，不含有语音共振峰的信息，其余大部分是噪声信号，而本算法对语音成分的操作只在预测残差信号中进行，因此，它对语音的频谱结构影响很小。实验表明这种方法可以得到较好的去噪效果，去噪的同时较好地保留了语音的品质和可懂度，并且算法复杂度低，运算简便。