近些年来,随着互联网和计算机技术的迅速发展,人们对于智能化的人机交互需求越来越高。语音是人类社会交换信息的重要方式,也是人机交互的一个重要接口,在人类生活中起到了关键的作用。近年来,语音识别等技术作为语音交互的核心得到了广泛的关注。作为语音识别的前端处理工作,建立一个自动进行语音增强的系统就成了近年来的一个研究热点。主流的单通道语音增强模型采用长短时记忆网络进行时序建模,但它的时序建模能力不强,无法对长时间序列的语音信号进行有效的时序建模和全局上下文相关性建模,并且编解码器的卷积核尺寸单一,无法更高效的提取和还原高维特征。此外,单一的语音增强任务能够提取的语音特征有限,对于未知信噪比和说话人的情况泛化能力不强。鉴于以上的困难和挑战,本文对基于多任务学习的长时序语音增强方法进行研究,主要工作如下:（1）提出基于复数时序卷积和自注意力的长时序语音增强方法:该方法利用傅里叶变换后的实部和虚部的复数运算规则作为重要的先验信息,设计基于复数运算规则的一维时序卷积模块,通过从小到大的不同感受野的复数一维空洞卷积线性叠加,获得较大的时间维度局部感受野。同时,设计多头复数自注意力模块,对特征进行时间维度的全局上下文相关性建模。相比于LSTM,该方法可以更有效地进行长时序建模和全局上下文相关性建模;设计可选择核卷积编码器-解码器（Selective Kernel Convolutional Encoder-Decoder）的结构,在编解码阶段采用两种不同尺度的卷积核,每一个通道上提取动态的多尺度局部特征,提升编解码器提取和还原特征的能力。实验结果表明:相对现有方法,所提模型DCSKTSN在PESQ（Perceptual Evaluation of Speech Quality）、STOI（Short-Time Objective Intelligibility）等客观评价指标均有一定的提升。在TIMIT数据集中长度超过4秒的长时序语音上,所提模型的PESQ和STOI相对于LSTM分别提升0.1和2.27%。在VBD（Voice Bank+DEMAND）数据集上,相对于DCCRN,所提模型在PESQ、STOI、CSIG、COVL指标分别提升0.18、0.52、0.01和0.1。（2）提出基于多任务学习的语音增强方法:该方法引入多任务学习的思想,通过加入信噪比预测以及说话人分类的辅助任务,为语音增强任务提供额外的辅助信息,这些辅助信息是单一的语音增强任务无法学习得到的特征信息,可以让增强网络对于未知的信噪比和说话人情况具有更好的泛化能力和自适应能力。基于Conv-LSTM的消融实验验证了该方法的有效性。在与DCSKTSN模型结合以后,最终的模型在PESQ、CSIG、COVL指标上相比于现有方法取得0.77、0.49和0.64的性能提升。（3）设计并实现基于多任务学习的长时序语音增强原型系统:采用MATLAB设计原型系统的操作界面,利用Py Torch深度学习框架和Python程序设计语言设计核心算法。包含语音数据集上传、增强模型训练、增强语音波形可视化和播放等模块。其中,语音增强模型采用本文所提基于多任务学习的长时序语音增强方法。通过原型系统的实现验证所提方法的有效性和实用性。