语音传输过程中环境噪声对语音信号的干扰是不可避免的，语音降噪的主要目的是从带噪语音中提取出尽可能纯净的原始语音，提高识别率。

随着 DSP 技术和语音增强算法的不断发展，目前语音增强技术被广泛应用在于汽车电话、无线电话电视会议、人机对话语音识别、电子耳蜗、智能家电、战场通信和军事窃听等领域。

日常生活中，人们之间远距离的通信方式基本上都采用电话方式，例如安装在汽车上电话，街道、机场的公用电话以及移动电话，但是我们在享受科技进步带来的便利时，也常常会受到各种背景噪声的影响，如无线通信信道的干扰，会对通话质量会产生严重影响。例如，在雷雨等恶劣天气接听移动电话，会听到阵阵噪声。因此，在接收端通过估计噪声干扰模型，滤出噪声，可以实现语音增强并保证通话质量。

语音增强早在 20 世纪 60 年代就受到了人们的重视，在随后的四十多年里，国外学者对这一课题进行了持续研究，尤其是 Boll 提出的谱相减法，一直被广泛应用，许多学者也在此基础上做出了大量改进。国内近年来也有大量学者对语音增强算法进行了研究，取得了较好的成果。清华大学崔玮玮将FDM 阵列技术与单通道增强方法相结合，提出了双通道的语音增强算法，与双通道相比，信噪比提高，计算复杂度降低。

语音信号常用降噪非参数处理方法有谱减法，谱减法就是从输入信号的幅度谱中减去估计得来的噪声平均的幅度谱，其效果相当于在变换域对带噪信号进行了均衡化处理。与其它方法相比较，谱相减法引入的约束条件最少，物理意义最直接，运算量小，但是在实际中语音噪声频率和信号频率很接近，噪声频率很难准确的估计出来。因此传统的谱减法除噪效果并不是十分理想。

自适应噪声抵消比上一个降噪算法多采用了一个参考噪声作为辅助输入，因而降噪效果较好，特别在辅助的输入噪声与语音中的噪声完全相关的情况下，能彻底抵消语音中的噪声。

近年来，小波分解作为一种新的数学分析工具得到充分发展，由此基于小波变换的语音增强算法也随之发展起来，小波变换的原理其中也结合了谱减法的一些基本原理。它的语音增强原理是：由于高低频段分别分布的是语音信号和噪声信号，所以可以把小波分量给与较小的权重，因为在那些尺度上的噪声，噪声小波系数占主要成分，而处理后的小波系数来重构恢复信号。这个算法主要利用了语音信号在不同尺度上的自相似性，但是语音信号的自相似性并不明显。

子空间语音降噪法的核心思想是通过算法将含噪语音信号分解到有效信号子空间和噪声信号子空间中。考虑到误差因素的影响，在有效信号子空间会残余部分噪声信号，而噪声子空间只包含噪声信号。但是该方法的最大缺点是计算量太大，不易实现。

综上所述，现有的语音降噪算法都有它们的优点和缺点。本文研究LMS

自适应噪声抵消原理、小波阈值的语音降噪算法、子空间语音降噪法。尝试一种基于LMS自适应噪声抵消和小波阈值的语音降噪组合算法和一种基于LMS和子空间语音降噪组合算法，克服单一算法的不足。