音频音源分离是数字信号处理领域中重要且极具挑战性的难题。音频音源分离旨在于从混合音频信号中分离出目标音源的信号,从而能够进一步方便数字信号处理相关工作的展开。该问题已被研究多年,但相关的算法并没有能够完全地解决该问题,因此对其展开相关的研究意义重大。随着大数据时代的到来和计算机计算能力的提高,深度学习开始在计算机的各个领域大放异彩,研究者们逐渐开始尝试利用深度学习来解决传统方法难以解决的问题。本文选择使用深度学习中的卷积神经网络来解决音频音源分离问题以更好地完成目标音源信号分离任务。本文所做的研究工作主要如下:第一,分析了卷积神经网络由于卷积的局部感受域特性导致的在计算过程中容易丢失全局信息的问题,进而在传统卷积神经网络引入自注意力机制,通过自注意力特征图的计算从而还原丢失的信息。进一步的,还提出了一种双路简化自注意力机制,在降低传统自注意力机制的参数量的同时还能提高使用自注意力机制模型的性能。第二,在第一点工作的基础上,进一步分析了传统基于频带划分方法的模型存在的由于频带划分而导致的频带边界附近信息丢失的问题。为了解决该问题,本文进一步提出了一种新的、具有泛用性的跨频带特征用于改进现有方法。最后,基于所提出的深度学习模型,设计了一个完整的应用系统用于歌曲伴奏的提取工作,并在公开数据集上进行了训练和测试。通过对实验结果进行分析,验证了本文所提出的音频音源分离模型的有效性与实用性。