分布式光纤声波传感（Distributed fiber-optic Acoustic Sensing,DAS）系统是一种新型的声波检测技术,它具有高时空分辨率、长距离连续监测、无需外部干扰源等优点,因此在实际应用中备受关注。然而,DAS系统中随机噪声的存在会严重影响微弱语音信号的质量,限制从语音信号中提取信息的能力。为了解决这一问题,本文从理论研究出发,提出了一种基于复数谱映射的神经网络算法,以提高DAS系统的语音信号质量和信息识别能力。经过实验验证,该算法能够有效地抑制随机噪声,提高DAS语音信号的质量,实现了在微弱信号下高保真和高质量的语音信号增强。该研究成果为DAS系统在嘈杂环境下高效识别语音信息提供了有力支撑,为高性能DAS系统的实际应用方向迈出了重要一步。本文主要的研究内容如下:（1）本文从光纤的瑞利散射出发,阐明了DAS技术通过光纤的瑞利散射检测声波信号并利用解调算法将其解调还原成为语音信号的具体流程。通过对分布式光纤声波传感技术理论的推导,更加深入地理解了该技术的原理和实现方法。（2）设计了一种基于3×3耦合器DAS系统的四通道采集方法,构建了本文所需的DAS语音信号数据集,实现了含噪语音信号和干净语音信号的自对齐,避免了人工对齐的困难。另外通过时频域的特征分析,介绍了分布式光纤声波传感系统语音信号增强的具体方案要求。（3）采用经典与神经网络语音信号增强算法对分布式光纤声波传感系统的语音信号进行增强实验。实验结果表明,经典算法简单地基于无语音段的噪声估计来对语音信号进行增强的方案效果不佳。为了更好地提取语音信息,本文在卷积循环网络的基础上,引入平滑空洞卷积和注意力机制,构建了一种基于复数谱映射的卷积循环网络算法,以提高算法的增强性能。实验结果表明,本文的方法可以成功抑制DAS系统的随机噪声,语音信号的噪声强度削弱了约19.25 d B,平均尺度不变失真率提高了约50.26 d B。相较于其它方法,使用本文的方法可以获得质量更好的语音信号。本研究的成果有望促进传感技术与通信技术的融合发展,提高基于DAS技术的语音通信质量,并为各种复杂环境下的通信提供技术支持。