语音增强是指从含噪语音中恢复出干净语音的过程,通常是在时频域中对信号进行处理。通过短时傅立叶变换(STFT)可以将语音的时域信号变换到时频域信号,从而获得(复值)语谱图。基于语谱图的增强是实现语音增强的主要研究方向。然而人们通常只关注语谱图中幅度谱信息而忽视它的相位谱信息,这主要是因为:1)幅度信息有很强的结构性,便于识别和压缩语谱图中噪声谱的能量;2)相位缠绕(phase wrapping)问题会导致语谱图中相位信息分布散乱,使之难以估计和重构。业已证明相位信息能有效提高语音质量,因而相位信息的估计和重构是语音增强中的一个重要问题。本论文主要研究语音增强中语谱图中幅度信息和相位信息的重构方法、实现复值语谱图的信号增强。论文主要工作包括:1)讨论利用神经网络模型进行语音增强的方法,分析了应用实部虚部复值神经网络在语音增强问题下的表现,并将其与对应的实值神经网络进行对比,仿真结果表明:在给定合适激活函数的情况下,复值神经网络略优于实值神经网络;2)从幅度和相位角度分析了相位重构所带来的好处,给出了利用神经网络来进行相位估计以及后续的相位重构的算法,并结合该算法构建多目标的实数神经网络和复数神经网络以同时估计幅度和相位信息。仿真结果表明:相较于只采用幅度增强的方法,联合幅度和相位信息的增强方法能明显提升性能。对女性说话人而言,在OdB的噪声环境下至少可以提升信号衰落比(SDR)0.4以及extendedSTOI(ESTOI)0.02的分数;对男性说话人而言,则大约可以提升SDR 0.3、ESTOI0.01 的分数。