本发明公开了一种适用于非平稳噪声环境下的在线语音增强方法，包括步骤：1)建立非平稳噪声环境下的系统模型；2)分帧和加窗；3)系统初始化；4)估计AR参数；5)估计语音信号状态序列。本发明针对语音模型中AR参数不能随噪声变化实时更新的问题，提出了双卡尔曼滤波框架，两个卡尔曼滤波器并行运算，语音信号状态估计和AR参数估计互相更新，状态估计过程和参数估计过程交替进行，使得参数估计过程能够适应噪声变化过程，以提高系统模型的准确性，进而提高语音增强的性能。本发明针对传统卡尔曼滤波算法无法处理非平稳噪声的问题，结合凸优化技术，提出了改进型卡尔曼滤波框架，能够对高斯噪声和非平稳噪声进行准确估计，提高了语音增强的准确性。
本发明与现有技术相比，具有如下优点与有益效果：
1、本发明针对语音模型(尤其指自回归AR模型)中AR参数不能随噪声变化实时更新的问题，提出了双卡尔曼滤波框架，两个卡尔曼滤波器并行运算，语音信号状态估计和AR参数估计互相更新，状态估计过程和参数估计过程交替进行，使得参数估计过程能够适应噪声变化过程，以提高系统模型的准确性，进而提高语音增强的性能。
2、本发明针对传统卡尔曼滤波算法无法处理非平稳噪声的问题，结合凸优化技术，提出了改进型卡尔曼滤波框架。新算法在语音增强模型中对量测过程同时加入了高斯噪声和非平稳噪声项，通过利用凸优化技术建立合理的优化模型，能够对高斯噪声和非平稳噪声进行准确估计，提高了语音增强的准确性。
