语音处理作为人机交互入口重要技术,可分为语音前端部分和语音后端部分。语音前端部分主要解决“听清”的问题,而语音后端解决“听懂”的问题。在背景噪声和干扰噪声存在的情况下,让人和机器听清语音信息仍然是一个迫切解决的问题,故语音增强技术成为了需要重点研究的问题。现在主流的处理方法包括单通道语音增强方法和麦克风阵列语音增强方法。为更好地抑制环境噪声,麦克风阵列方法成为了主流研究方法。相比于单通道语音增强方法,其加入了空域信息,具有更高效的噪声抑制能力。本文主要研究的是线型麦克风阵列噪声消除方法及后置滤波方法。首先,波束形成可以更好地获取指定方向的增强语音及抑制其它方向的噪声,故针对已存在的波束形成算法对于噪声抑制效率不高及缺乏准确指向性的问题,本文提出了一种利用信号功率谱密度比值的广义旁瓣消除波束形成方法来进一步实现对背景噪声和干扰噪声的抑制。其次,现已存在的波束形成方法,增强之后的语音仍然会存在部分的干扰噪声。针对这样的问题,本文进一步利用深度神经网络的方法,通过训练多目标函数下的掩蔽值结合最优改进对数谱幅度,推导出了新的后置滤波方法从而更高效地对残留干扰噪声进行消除。算法对于低信噪比且非平稳语音具有更好的鲁棒性。最后,对于本文提出的改进算法使用了真实的数据进行仿真验证,证明了它们的有效性。改进的波束形成算法不仅可以有效地抑制其它方向的干扰,还可以增强指定方向的期望语音。对于处理之后的残留干扰,本文改进的后置滤波算法对其处理则更具鲁棒性,且具有很好的去噪效果。使用类似本文研究的语音增强前端算法优先解决了“听清”的问题,则为后续的准确语音识别奠定了基础。