语音分离作为语音信号处理系统的前端,其分离效果直接关系到后续语音信号处理的性能。目前传统的语音分离算法在低信噪比和高混响环境下性能下降明显。本文在人耳听觉感知特性的基础上,根据语音信号的空间特征,研究了基于深度学习算法的双耳语音分离算法:基于门控循环网络GRU（Gated Recurrent Unit）和幅度谱掩膜SMM（Spectral Magnitude Mask）的双耳语音分离算法,基于时间卷积网络TCN（Temporal Convolutional Network）和幅度谱掩膜SMM的双耳语音分离算法。（1）基于门控循环网络GRU和幅度谱掩膜的双耳语音分离算法。本文使用Gammatone滤波器组,模拟人耳蜗对语音信号的处理过程,通过预处理将原始语音信号划分为时频单元。在时频单元上提取双耳空间特征参数,包括耳间互相关函数CCF（Cross Correlating Function）、耳间时间差ITD（Interaural Time Difference）和耳间强度差ILD（Interaural Level Difference）,组合作为分离特征。基于监督学习的语音分离算法一般采用DNN（Deep Neural Network）网络作为分类器,DNN的方法由于只使用当前帧的特征进行分离,忽略了语音信号特征参数的时序性。针对这一不足,本文选用门控循环单元搭建循环神经网络,将当前帧和前后各5帧的空间特征进行拼接,作为神经网络的输入。训练目标选用幅度谱比值SMM,更好地刻画各个目标语音在时频单元内的占比情况。本文分离结果评价指标选用SAR（Sources to Artifacts Ratio）、SIR（Source to Interferences Ratio）、SDR（Source to Distortion Ratio）及PESQ（Perceptual Evaluation of Speech Quality）,实验结果表明此算法在低信噪比及混响环境下的鲁棒性优于基于DNN网络的分离算法。（2）基于时间卷积网络TCN的双耳语音分离算法。RNN（Recurrent Neural Networks）网络训练中更容易发生梯度消失以及过拟合现象,训练速度慢。TCN网络基于一维卷积,跳出RNN框架来处理序列信息,利用膨胀卷积可以关联较久时间之前的信息,可基于多帧特征并行计算,训练速度更快,因此本文选取TCN网络实现双耳语音分离算法,提取前后5帧及当前帧的耳间互相关函数、耳间时间差及耳间强度差作为输入特征,搭建的TCN网络共四层,每一层为两个一维卷积层组成的残差结构,卷积膨胀系数依次随层数增加依次扩大,后接多层前馈网络到输出,训练目标选用幅度谱比值SMM。实验结果表明,TCN网络更好的利用了语音信号的序列性特点,相对于基于门控循环网络GRU的算法在各项评价指标上均有提升,且网络训练的速度更快,较少出现过拟合现象。