语音增强作为语音信号处理的一个重要分支,在语音通信、听觉辅助、自动语音识别（Automatic Speech Recognition,ASR）系统前端等领域都有重要的应用。早期提出的一些传统单通道语音增强方法,虽然计算简单,但是降噪效果不佳,尤其是对非平稳噪声。近些年兴起的深度学习算法大大提升了单通道语音增强的性能水平。然而,基于深度学习的语音增强模型往往难以有效地泛化到现实场景中。此外,在移动或穿戴式设备上实时地进行降噪处理也是当今的一个重要应用方向,但是计算密集型的深度学习模型难以部署到这些资源十分有限的设备上。本文在已有的工作基础上,研究了基于深度学习的单通道语音增强算法。我们在追求高性能的同时,致力于保持足够低的计算复杂度和时延,以满足端上的实时要求。本文的主要工作和创新点如下:（1）首先概述了语音增强的研究背景与意义,回顾了单通道语音增强的发展历史和研究现状。然后重点研究了三种常见的传统单通道语音增强算法,包括谱减法,维纳滤波法,以及基于最小均方误差（Minimum Mean Square Error,MMSE）的幅度谱和对数幅度谱估计方法,其中一种基于先验信噪比（Signal-to-Noise Ratio,SNR）的维纳滤波法被用作本文实验的基线算法。最后详细介绍了有监督语音增强中的特征提取和训练目标,为本文的研究工作打下基础。（2）通过在LSTM中引入自注意力提出了一种新的RNN结构,称为Attention LSTM。Attention LSTM将LSTM中的输入门和遗忘门替换为注意力门,注意力门决定保留多少上一时刻的单元状态,而它仅根据上一时刻的单元状态计算得到,这是Attention LSTM的自注意力机制的本质所在。在一个基于RNN的实时单通道语音增强模型RNNoise的基础上,使用了一种结合通道间相关性（Inter-Channel Correlation,ICC）的新型比值掩膜作为训练目标。在ICASSP 2021深度噪声抑制（Deep Noise Suppression,DNS）挑战赛所提供的数据集上的实验表明,RNNoise的增强性能显著优于维纳滤波算法,PESQ提升了0.2;而这种新型比值掩膜能够进一步提升模型的性能。此外,Attention LSTM以更低的复杂度实现了与LSTM和GRU相当的性能。（3）提出了一种特征独立的卷积,称为空间可变卷积（Spatially Variant Convolution,SVConv）,其核心思想是对每个输出的特征维学习一个不同的卷积核。为了更灵活地控制参数量,又提出了分组的空间可变卷积,其思想是输出特征图中相邻的特征维共享一个卷积核。首先分别以复值理想比值掩膜和实值理想比值掩膜为目标训练了一个基于U-Net的复数域全卷积网络DCUNet和其实数域版本DUNet,实验结果表明DUNet的整体表现优于DCUNet。然后在DUNet基础上采用了Mobile Nets的深度可分离卷积（Depth-wise Separable Convolution,Mobile Conv）,它将标准卷积分解成depth-wise卷积和1×1的point-wise卷积,实验结果表明深度可分离卷积在降低计算复杂度的同时导致性能显著下降。随后结合了深度可分离卷积和空间可变卷积,实验结果表明结合这两种卷积结构能够在保持低计算量的同时改善网络的性能。最后在DUNet基础上引入了注意力机制,即在encoder和decoder之间插入一个注意力层,实验结果验证了结合U-Net架构和注意力的有效性。（4）提出了两个新型的基于CRN的单通道语音增强模型:一个是基于比值掩膜的CRN（CRN-RM）,它在DUNet基础上结合了GRU;另一个是基于Encoder-Generator架构的CRN（EG-CRN）,它将U-Net的decoder替换为由循环层和全连接层构成的generator。实验结果表明,CRN-RM以更少的参数实现了显著优于DUNet的增强性能,验证了CRN架构的有效性;与已提出的一个基于幅度谱映射的CRN（CRN-MM）和一个复数域的CRN（DCCRN）相比,CRN-RM的整体性能优于CRN-MM,次于DCCRN,但其计算量仅为DCCRN的1.5%;相比于CRN-RM,EG-CRN进一步降低了计算复杂度,但性能并没有明显下降。