语音交流是人们生产生活中进行信息传递的重要手段之一。在信息传递过程中,语音信号不可避免的会被各种噪声所干扰,使其存在不同程度的信息丢失。为尽可能还原被噪声污染语音信息,降低语音信息在传递过程中的损失,提升语音的可懂度和清晰度,语音增强技术被提出并广泛应用于军事通信、电话会议等场景中。作为语音信号处理的第一步,语音增强效果将直接影响通信质量。然而,现有的语音增强技术存在低信噪比环境中增强效果不佳、模型泛化能力不强等问题。针对此类问题,目前基于神经网络的语音增强模型多采用增加网络的深度、改进损失函数等方法提升网络性能。基于此,本文提出一种基于多尺度生成对抗网络的语音增强模型。该模型在低信噪比环境中依然具有较强的降噪能力和泛化能力,并且相比于原始基于生成对抗网络的语音增强模型,该模型在生成器中生成多个维度的语音信号,并可以在多个子判别器中进行判别,从多个维度来对语音信号进行增强,强化模型在低信噪比环境中语音增强的效果。本文的主要研究工作及创新点如下:(1)详细介绍了基于生成对抗网络的语音增强算法原理,对谱减法、基于MMSE最优改进对数谱幅度估计算法和基于生成对抗网络的语音增强方法进行仿真实验,分析不同算法目前存在的问题和优势。(2)提出一个多尺度生成器和判别器体系的全新结构,来解决原始的基于生成对抗网络的语音增强算法对抗性训练不稳定,在低信噪比环境中降噪性能不佳等问题。该算法能够从不同的维度对语音进行增强处理,进而提升整体的语音增强效果。实验数据表明,该算法和原始生成对抗网络语音增强算法、传统算法对比,取得了更高的客观评分,尤其在低信噪比情况下语音增强效果提升最为明显。(3)为解决网络对语音信息利用不充分的问题,同时减少生成语音时信息的流失,在模型中添加下采样跳变连接,并通过实验仿真对比得出最佳跳变连接组合。为提升网络最终输出语音的增强效果,我们增加原始维度生成语音信号的权重比,使网络从多维度进行语音降噪的同时,侧重于原始维度增强语音的生成。(4)将基于MMSE最优改进对数谱幅度估计算法作为预处理步骤,和基于多尺度生成对抗网络的语音增强模型相结合,形成联合语音增强算法。预处理步骤可以减轻噪声对多尺度生成对抗网络的干扰,提高语音信号的可懂度和信噪比,为多尺度生成对抗网络提供更多有效特征。