在语音通信过程中,语音信号的传递无可避免的会受到噪声的干扰。强噪声背景下会对语音造成严重破坏,不但影响语义辨识降低通信效率,而且长时间的含噪语音还会影响人的听觉和情绪,所以需要在接收端预先加入语音增强环节来改善通信质量。语音增强广泛应用于人机交互系统中,比如人机对话、实时翻译、智能家居等。语音增强作为数字信号处理研究的一个重要方向,其主要作用是削弱噪声,提高语音的清晰度和可懂度。现有的语音增强算法面临的难题是在强噪声背景下提取出的语音仍会在非语音段留下噪声,为语音识别和信息传递工作带来困难。为了解决上述问题,本文主要工作如下：1、对经典语音增强算法中的谱减法进行改进,针对语音活性检测环节,使用短时自相关函数和频谱子带方差设置二级判决阈值,对噪声谱的估计更加准确,实验表明,信噪比和语音质量感知两个评价指标都有所提升。2、字典学习算法研究。从信号表示的角度入手,引入稀疏表示模型,根据稀疏表示后的语音和噪声呈现出的不同特性进行去噪。字典学习算法主要包括两部分,系数追踪算法和字典训练过程。引入的LS-OMP追踪算法对系数更新环节进行了优化,通过实验验证,算法运行速度有所提升；同时对字典参数的最优选择进行讨论。3、对改进后的字典学习算法和经典语音增强算法进行比较总结,实验结果表明,本文提出的算法对非语音段噪声有较好的抑制作用,从而提高了语音质量。