语音增强技术作为语音信号处理的一个重要分支,在现实生活的许多领域有着广泛的应用。但是,语音信号时常遭受到干扰信号的影响。在通常情况下,这些干扰信号有着随机性,所以要想完全消除噪声而得到纯净的语音是难以实现的。因此寻找一种高效的语音增强方法对带噪语音信号进行噪声抑制处理,对改善增强语音质量和可懂度,提高语音系统抗噪效果有着重要的研究价值。约束低秩稀疏矩阵分解(CLSMD)方法在语音增强的过程中忽略了相邻语音帧之间的时间连续性特性,导致分解生成的稀疏矩阵带有孤立的离散点。因此为了更有效地提高语音系统的噪声抑制能力、改善增强语音质量和可懂度,本课题提出了基于时间连续性约束的低秩稀疏矩阵分解(TCCLSMD)和基于时间连续性约束的非负低秩稀疏矩阵分解(TCNLSMD)两种改进型的语音增强方法。在这两种方法中,除了添加低秩稀疏约束外,还添加了时间连续性约束条件。本课题通过测试矩阵的奇异值分解(或特征值分解)和硬阈值函数产生稀疏矩阵后,在时间连续性约束下,引导稀疏分量重构减少了(或消除)孤立的离散点,最后实现语音增强的目的。在现实的多种噪声环境下,对本课题提出的两种方法进行实验仿真测试,并与现在的主流语音增强方法进行比较。实验结果表明,在多种类型的噪音测试条件下,与现在的主流语音增强方法相比,这两种方法提高了噪声抑制能力,使残留的噪声更少,改善了增强语音的质量。本课题提出的方法和工作创新如下:1、基于TCCLSMD语音增强方法。在通过奇异值分解和硬阈值函数估计获得的稀疏矩阵基础上,通过添加时间连续性约束引导重构稀疏矩阵来减少离散的孤立点,保留了更多的语音信息,降低增强语音失真度。2、基于TCNLSMD语音增强方法。在通过非负矩阵的特征值分解和硬阈值函数估计获得的稀疏矩阵基础上,通过添加时间连续性约束引导重构稀疏矩阵来提高系统噪声抑制能力,改善增强语音质量和可懂度。