1987年：Lim和Oppenheim发表语音增强的维纳滤波方法；
1987年：Boll发表谱减法；
1980年：Maulay和Malpass提出软判决噪声一直方法；
1984年：Ephraim和Malah提出基于最小均方误差短时谱幅度估计的语音增强算法；
随后随着DSP发展，相继出现：最小均方（LMS）自适应滤波语音增强算法、基于短时谱（STS）估计的语音增强法、基于小波变换的语音增强算法、改进谱减法等。
语音生成过程与发音器官的运动过程密切相关。例如元音发音是气流不受口腔的阻碍发出的，辅音实在口腔阻碍气流时发出的音。同时根据声带的振动与否可以分为**清辅音（声带不振动）和浊辅音（声带振动）**两种。
清音的特点：
没有明显的时域和频域特征，看上去类似于白噪声
浊音的特点：
(1) 在时域上呈现出明显的周期性
(2) 频谱中有明显的几个凸起点，他们的出现频率与声道的谐振频率相对应，这些凸起点称为共振峰，其频率成为共振峰频率。
语音增强中可以利用浊音的明显周期性来区别一直非语音噪声。
为了用计算机定量对语音信号进行模拟和处理，建立了语音发声模型 ， 语音增强信号模型
1）语音发声模型
Av和Au分别为浊音和清音的激励幅度
2）语音增强信号模型
表达式为 : y(n)=s(n)+d(n)
y(n) 表示带噪语音
s(n) 表示纯净语言
d(n) 表示干扰噪音
1）谱减法
经典的谱减法通过假设噪声时平稳的加性噪声，且语音信号与噪声不相关，估计噪声频谱并减去该估计值得到估计的原声，从而实现语音增强。虽然这种方法容易实现，但这种方法在非平稳环境下处理效果不明显，并且在信噪比低的情况下，对语音的可懂度与自然度损害较大。
2）噪声对消法（自适应滤波技术）
需要采集背景噪声作为参考信号，易班采用自适应滤波技术，在输入信号与统计特征或变化未知的情况下，通过调整自身参数，来达到最佳滤波效果。有”自主学习“的过程。
信噪比（SNR）与分段信噪比（segment-SNR）
信噪比=语音信号平均功率/噪声信号的平均功率
信噪比越大，说明噪声和失真越小，波形越接近纯净语音波形
