语音是人与人之间交流的重要方式,但在现实中语音通常受到噪声的干扰,因此从嘈杂的环境中提取近似纯净的语音成为研究重点。语音增强是语音信号处理的重要领域,用以解决语音降噪问题,并已应用于通信等领域。传统的基于统计模型的语音增强方法,需要先假设语音和噪声服从某种分布,估计出噪声的能量信息,但噪声具有多样性与不稳定性,导致语音降噪不彻底,存在残留噪声或音乐噪声现象,因此并不理想。随着深度学习的兴起,各种神经网络模型能够很好的学习数据间的非线性关系应用于诸多领域,其中生成对抗网络(Generative Adversarial Networks,GAN)从提出以来已经成为最受欢迎的网络模型,并在图像处理方面取得了很好的效果,但应用于语音增强处于初级阶段。基于普通神经网络的语音增强方法往往忽略了相位的问题,而基于生成对抗网络的语音增强方法虽然减弱了噪声,但降噪后的语音往往会丢失部分信息,高频部分恢复能力较低,同时语音的可懂度及降噪能力有待提升,导致降噪效果仍然不太理想。为了解决上述问题,提高降噪效果,本文提出了基于深度卷积生成对抗网络(Deep Convolution Generative Adversarial Networks,DCGAN)的网络模型进行语音增强,以下为本文主要工作:针对传统方法降噪效果不佳,同时加强基于生成对抗网络增强方法的语音恢复能力和降噪效果,本文采用深度卷积对抗网络建模进行语音去噪,通过多层卷积操作提取有效特征并提高对语音的恢复能力。将GAN的生成器采用U-net结构进行改进,加入了跳跃连接,避免由于网络层数过深出现的信息丢失问题,保留更多特征的细节信息,增强语音降噪效果。针对基于DCGAN语音增强方法在低信噪比时残留部分噪声,导致分段信噪比偏低的问题,本文提出了基于WDCGAN的语音增强方法,采用Wasserstein距离代替交叉熵作为损失函数,增强网络学习能力,进一步降低噪声信息,从而提高语音的分段信噪比,实现语音增强。