针对传统最小均方误差谱幅度估计（MMSE—STSA．minimum mean-square error-short time spectral amplitude）语音增强算法无法有效的跟踪非平稳噪声变化的问题，对一种改进的MMSE-STSA语音增强算法进行了研究和仿真。该算法对背景噪声的估计利用加权噪声估计方法：采用一个非线性函数根据带噪语音信噪比（SNR．signal—to-noise ratio）的变化计算得到相应的加权因子并作用于带噪语音信号，对加权的带噪语音求平均得到估计的背景噪声。算法中的谱增益修正，还可以抑制低信噪比时的残留噪声以及避免对带噪语音的过抵消。实验结果表明，该方法能很好的跟踪非平稳噪声的变化，不仅在增强性能上有很好的效果，同时降低了语音的失真。

传统的语音增强方法是在保持语音可懂度和清晰度的前提下，尽可能地从带噪语音中提取需要的纯净语音，而在强噪声环境中，语音信号表现为弱信号，去噪变得困难。基于Hodgkin—Huxley神经元阈上非周期随机共振原理，提出一种自适应调节，添加最佳噪声来进行语音随机共振，从而实现语音增强。Matlab实验结果表明，在强噪声环境中实现对语音信号增强，信噪比提高明显，且效果优于传统算法。方法具有一定鲁棒性，提供了在强噪声环境中增强语音信号的新思路。

目前应用于临床的电子耳蜗在安静环境下的言语识别率较高,而在噪声环境下的言语识别率却大大降低。为了提高电子耳蜗在信噪比低的使用环境下的言语识别率,本文设计了用于研究电子耳蜗前端的麦克风阵列语音增强算法的硬件系统,并采用了两个同时具有全向性输出和方向性输出的TP微型麦克风模块以适应电子耳蜗严格的体积限制。实验结果显示：所设计的小间距的基于双TP型微型麦克风的电子耳蜗前端指向性语音增强系统的采集效果达到了设计的指标。该系统具有麦克风数量少,多通道采集的优点,为研究适合于复杂噪声环境的具有多麦克风、多参数、小间距特征的麦克风阵列语音增强算法的提供了有效的硬件平台。