语音增强是指利用音频信号处理技术及各种算法提高失真语音信号的可懂度或整体感知质量,从而进一步在语音识别、语音通话、军事窃听和听力辅助等场景中改善应用效果。本文主要研究基于深度学习的语音增强算法,即凭借深度学习模型学习带噪语音与纯净语音之间的映射关系,达到提升带噪语音信号可懂度和质量的目的。通过对现有算法的设计思路与建模机制进行深入分析后,发现这些方法存在以下几个不足:第一,模型训练目标与评价指标不匹配,一般的损失函数不能反映人耳听觉感受,而评价指标围绕人耳听觉进行设计,导致损失函数与评价指标的失配,使最优模型达不到较好的评价。第二,目前针对低信噪比条件下的语音增强研究较少,而在低信噪比条件下,语音成分稀疏,目前的模型缺少保留语音信息的针对性设计,使得恢复完整语音的难度增加,导致增强语音的质量与可懂度下降。本文针对上述问题进行研究,提出了相应的解决方案,主要贡献如下:(1)提出基于生成对抗神经网络的语音增强算法。针对问题一,研究博弈对抗训练模式,令判别器神经网络学习纯净的语音与带噪语音之间的区别,理想目标是使之学习人类的听觉感受,并且给予语音增强模型与评价指标相匹配的反馈。实验结果表明,所提出的算法能达到与主流相关工作相近的性能。(2)提出基于RefineNet的语音增强算法。针对问题二,利用该网络的RefineBlock融合浅层与深层特征图,达到充分利用浅层语音特征的目的,并且针对问题二,提出将评价指标与损失函数相融合,研究能达到最优性能的组合方式,使得训练目标与评价指标保持一致。相关实验中本算法的各项指标均优于基准模型,证明了本算法的有效性。(3)进一步提出基于RefineNet神经网络的端到端语音增强算法。针对问题二,利用端到端模型无需经过特征预处理的特性,保留所有原始语音信息,并采用模拟短时傅里叶变换的网络结构,使神经网络能够自动提取有效特征。通过与基准算法的对比,证明了本算法的有效性。