随着人们对移动电话和IP电话持续增长的需求,对语音编解码器的性能要求也日益提高。然而,在通信过程中会受到各种噪声的干扰,大大地影响了通信质量和可懂度。其中,语音增强作为语音编解码器的核心技术,决定了编解码器性能的好坏。因此,本论文试图研究一套在低信噪比以及非平稳噪声环境下均适合的语音增强方案并将其应用在增强型语音服务(Enhanced Voice Services,EVS)编解码器中。本论文的研究工作主要围绕非负矩阵分解与时频掩蔽估计两种方法进行介绍,分别包括以下三方面内容:首先,针对非负矩阵分解方法不能准确估计语音基矩阵和噪声基矩阵而导致过多的残留噪声,且时频掩蔽估计方法中高频区语音能量较低且等效带宽较宽,分辨率低而导致高频部分语音失真严重的问题,提出了一种融合非负矩阵分解与听觉域下时频掩蔽估计的语音增强方法。该方法首先在线下分别训练语音和噪声的基矩阵,结合从含噪语音在线估计出的编码矩阵来构建维纳滤波器,并转换成Gammatone域(也称为听觉域)下理想比值掩蔽估计的形式,然后在线上增强阶段结合自身的时频掩蔽估计,形成一种新的语音增强算法。经实验测试表明,所提算法的性能均优于参考方法。其次,由于上述语音增强方法在线下训练阶段没有考虑到训练目标估计的准确性,易造成增强部分的效果较差。所以,提出了一种改进的时频掩蔽估计的深度神经网络(Deep Neural Networks,DNN)语音增强方法。该方法在线下训练阶段通过构建一种新的深度神经网络目标代价函数来优化训练目标,进而在线上增强阶段得到具有较强增强效果的语音。实验结果表明,所提方法能够提高语音的可懂度。最后,本文将介绍基于EVS编解码器的工程应用方面。将改进的时频掩蔽估计的深度神经网络语音增强技术嵌入到EVS编解码器的前端,实现了EVS编解码器的语音增强功能。经测试表明,相比于原EVS语音编码器,所提语音增强技术充分提高了EVS编解码器的语音质量和可懂度,具有一定的实用价值。