传统的语音增强算法通常基于平稳噪声的假设,在复杂的背景下常常失效。基于深度学习的增强算法能很好地抑制非平稳噪声,但在不匹配的噪声环境下也出现性能下降。而提高模型的泛化性能需要大量的数据,这意味着更多的时间和计算资源。与现有技术相比,生成对抗网络(Generative adversarial network,GAN)被用于处理语音增强问题,经过网络架构的优化,可利用适量的训练数据以及常见的计算资源,构建在低信噪比及复杂噪声背景下通用的端到端模型。现有的大多数技术基于傅里叶分析,通常忽略相位信息而直接使用带噪语音的相位重建增强后的语音,这不利于提高低信噪比下的语音质量。利用生成对抗特性,在原始波形水平上操作,尝试利用波形中的细粒度信息(如相位、对齐等),可提高增强语音的质量,同时,由于卷积神经网络共享权值的特性,可实现更高的训练效率和更快地增强过程。优化后的模型相对于原始模型,在客观评估上得到了更为优异的效果。相对于基线DNN模型,具有与其竞争的性能,且更好的泛化性能。主观评估的结果表明,在所给定的特定的现实背景下,GAN得到了更多听众的偏好。