语音信号是人类语音与声学结合的产物，是传递信息的手段和工具，在日常生活中具有举足轻重的作用。然而，在实际中语音信号经常会受到环境中各种噪声的干扰，导致语音信号质量的下降，甚至引起信息的丢失。因此，如何消除噪声，提高语音质量成为语音信号处理的关键。而语音增强技术是语音信号处理的一个重要的分支。　　 本文以卡尔曼滤波语音增强为基础，分别研究了时域、短时频域、子空间域下的卡尔曼滤波语音增强算法。本文的主要工作和创新点如下：　　 (1)首先介绍几种较成熟的经典语音增强算法，对其优缺点进行对比分析，重点研究了基于卡尔曼滤波的语音增强算法，并进行实验仿真，结果表明，与其他的增强算法相比，卡尔曼滤波提高了语音的SNR(SignalNoise Ratio)和PESQ值(日Perceptual Evaluation of Speech Quality)。　　 (2)传统时域内卡尔曼滤波算法未充分利用语音频域特性，导致增强语音仍有较多的残留噪声，针对该不足提出新思路，将传统的卡尔曼滤波算法引入到短时频域内，利用基于对数谱最小均方误差估计法对带噪语音幅度进行初步修正，达到了更好的去噪效果。　　 (3)针对时域内卡尔曼滤波算法未利用噪声信息计算线性预测系数存在较大误差导致递推估计误差积累的缺陷，利用子空间分解理论，对带噪语音的特征值进行卡尔曼滤波，本文首先在KL域内提取带噪语音和噪声特征值，对语音信号进行预处理，从而得到较为纯净的特征值，再对该值进行卡尔曼滤波，实验结果表明改进的卡尔曼算法能够有效的滤除噪声，得到更为纯净的语音信号。　　 (4)算法移植。用C++编写卡尔曼滤波语音增强算法并在VC++6.0环境下仿真实现该算法，然后以OMAP5912为硬件平台，以Linux为操作系统，对卡尔曼滤波算法进行移植，然后将得到数据通过软件转换成去噪后的语音并进行试听，实验结果表明，试听效果较为理想，验证了卡尔曼滤波算法的易操作性和可实现性。