现实生活中，语音信号经常会受到噪声和房间混响的干扰，这不仅影响人们的听觉质量，而且对语音处理的其它环节也会产生影响。因此，必须采用信号处理技术对带噪语音信号进行增强处理。实际上，除了语音增强之外，语音分离也可以用来减小噪声和混响的影响。信号盲源分离是一项具有挑战性的研究课题，也是信号处理领域近年来的研究热点之一。目前，对该问题的研究已经取得了很大的进展。但是，还远未达到成熟的地步，其中，对于实际环境下的卷积语音信号分离问题的研究可以说还处于起步阶段。本论文对语音分离和语音增强方法进行了研究，主要内容包括以下三个方面：针对基于独立分量分析的盲源分离算法不能解决瞬时延迟混合模型和欠定情况下的盲源分离问题，本文研究了基于信号稀疏性的时频掩蔽算法和线性取向分离算法。理论分析和仿真实验结果表明，它们都达到了比较理想的分离结果。但是，时频掩蔽算法构造的Mask中存在大量零点，为了解决这一问题，本文对其进行了改进，进一步提高了语音信号的质量。研究了带参考信号的盲源分离算法。在盲源分离算法中，人们对源信号多多少少会有一点了解。利用源信号的先验知识分离出感兴趣的信号是带参考信号的盲源分离算法的研究内容。实验结果表明，该算法能够比较好地提取出与参考信号在某种意义下相关性最强的原始信号，同时，与传统的独立分量分析方法相比，节省了计算量。基于子带盲源分离和后置处理的语音增强方法。在噪声和混响情况下，研究了基于子带盲源分离和后置处理的语音增强方法。该方法噪声的抑制效果较好，但增强语音有失真。针对这一问题，对其进行了改进，即在语音能量集中的低频子带内用时频掩蔽代替独立分量分析算法，从而减少了语音信号的失真。仿真实验结果表明，与原方法相比，改进方法在信噪比和听音测试上都有提高。