随着信息化的发展,语音通信成为人们日常最基本的沟通方式,但在实际环境中会不可避免的受到各种噪声的影响,导致语音质量和系统性能的下降,因此很多学者致力于研究高效的语音增强算法。目前,越来越多的电子设备被“私有化”,即在日常生活中,仅被一个人或固定的几个人长期使用,所以根据这个特点,我们考虑在语音增强算法中引入特定说话人的特征信息,进而提高噪声的抑制能力。本文通过分析几种经典语音增强算法,给出了一种基于特定人特征的改进算法。在语音存在与否的双状态模型下,最优修正的最小均方差对数幅度谱估计(OMLSA)算法与改进的最小值控制的递归平均(IMCRA)算法相结合的方法,相对于其他经典算法在噪声抑制方面具有明显优势。因此,本文在IMCRA-OMLSA算法的基础上,引入特定说话人的特征信息。在特定人语音增强算法中,特定人特征信息是经过大量特定人的语音训练后得到的高斯混合模型(GMM)。根据语音存在概率对不同信号谱的估计过程和权重系数的影响,分别从先验信噪比估计、IMCRA噪声估计和OMLSA语音估计三个角度,利用特定人的GMM模型对该算法进行了改进。在多种噪声类型和输入信噪比条件下,利用六种客观评价指标对所提出的特定人语音增强算法和其他经典算法进行了对比测试。通过实验结果表明,本文所给出的特定人语音增强算法无论在噪声抑制还是语音失真方面,均优于其他经典算法。