在实际生活环境中,不可避免受到各种噪声干扰,而语音增强技术旨在从带噪语音中去除噪声,提高语音质量和清晰度,可广泛应用于现代通信系统、助听器和语音识别等领域。近年来,鉴于深度神经网络(Deep Neural Networks,DNN)具有模拟带噪语音特征和学习目标之间非线性关系的能力,被广泛应用于信噪比极差或非平稳噪声背景的语音增强中。故本文采用DNN模型估计时频掩模,达到降低运算复杂度、进一步提高语音可懂度的目的。本文所做的主要工作如下:(1)介绍语音增强的研究意义,从无监督和有监督两方面分析目前语音增强的研究进展,并重点阐述有监督语音增强方法取得的研究成果。详细介绍基于DNN语音增强系统中的模型、特征、学习目标三个主要模块。(2)针对DNN运算复杂度高、容易过拟合的问题,同时为促进时频掩模去除噪声并保留语音成分的能力,提出一种自适应软掩模优化正态稀疏DNN的语音增强方法。首先,提出将具有方差参数的正态概率密度函数作为稀疏惩罚项加入目标函数,该惩罚项根据隐含层单元的激活概率与常数因子的偏差、并设置方差参数,共同控制数据稀疏度,从而提取到简洁有效特征的同时提高运算速率;其次,提出一个与信噪比有关的tanh型自适应调节因子,控制理想二值掩模和理想浮值掩模在学习目标中所占的比例,滤除噪声的同时减少语音失真;最后,设计多组实验,证明正态稀疏DNN结合自适应软掩模,在提高语音可懂度、减少失真的前提下,有效减少运行时间。(3)为使增强的语音符合人耳的感知特性,进一步提升语音可懂度,本文提出Gammatone耳蜗幂率倒谱系数和融合相位差信息的软掩模,共同优化正态稀疏DNN的语音增强方法。首先,用更符合人耳听觉感知特性的幂函数对初始特征进行压缩和离散余弦变换去相关处理,并融合一阶、二阶差分特征,可以有效捕捉语音瞬时变化信息,保持听感连续性,再用改进的自回归滑动平均滤波器平滑特征,去除毛刺,即得到Gammatone耳蜗幂率倒谱系数;其次,考虑相位中含有与语音可懂度相关的信息,且相位差可以提供有效的频谱结构信息,故将带噪语音与纯净语音的相位差、带噪语音与噪声的相位差融入自适应软掩模中,达到提高增强语音可懂度的目的;最后,各种噪声背景下的实验结果表明,Gammatone耳蜗幂率倒谱系数整体性能优于其它对比特征,同时证明融合相位差信息的软掩模可有效提高语音信号的清晰度,降低听觉的疲劳感。