语音去混响是指,从声学信号中减少或消除由所有反射声波的总和叠加而成的混响。语音去混响和语音降噪同属于语音增强的范畴,而几乎所有的智能语音系统都要用到语音增强作为前端处理技术。目前语音增强技术中研究得最多的是语音降噪,然而语音混响现象几乎存在于任何封闭的空间,强混响会对麦克风接收的信号产生严重的负面影响。随着计算机的算力飞跃提升,基于深度学习的方法被广泛应用于图像和语音信号处理,然而这些方法大多数只考虑了消除语音信号中的噪声,忽略了同样影响语音信号质量的混响现象,导致损害了语音识别以及后续语言处理系统的性能。本文基于改进的Wasserstein生成对抗网络对语音去混响算法进行研究,主要工作如下:第一,深入调研语音去混响领域的发展历程和各种研究成果,详细分析了语音去混响有关的理论知识。根据语音去混响的难点以及现有的基于深度学习的语音去混响方法,证实了将生成对抗网络用于去除语音混响的有效性。第二,提出了将Wasserstein生成对抗网络应用于语音去混响的算法。生成器采用编码器-解码器的全卷积神经网络结构,为了保留更多的语音信息,在网络结构中使用了更少的池化层。判别器使用深度神经网络的结构,能够更好地拟合Wasserstein距离函数。实验结果表明,该去混响模型能够有效地去除语音混响,尤其是对混响程度严重的语音信号,与一种传统去混响算法以及深度神经网络去混响模型对比,其去混响的整体表现更好。第三,提出了将改进的Wasserstein生成对抗网络应用于语音去混响的算法。Wasserstein生成对抗网络在处理轻度混响语音的时候,去混响效果不理想。在判别器的损失函数中加入梯度惩罚项,并结合条件生成对抗网络,解决了判别器网络的参数的数值分布不合理的问题,提高网络稳定性的同时让模型在训练时收敛得更快。实验结果表明,所提算法去混响能力的泛化性更强,在保证语音质量的同时,能够更好地去除早期和后期混响。