语音增强是从带噪语音中恢复出干净语音分量,以提高语音的听感质量和可懂度。传统的语音增强算法假设噪声是平稳的,但是生活中的实际噪声是随机且非平稳的。而现代的神经网络语音增强算法无需假设噪声性质,可以直接学习带噪语音到干净语音的映射关系。但是不同的训练目标会有不同的语音增强效果,而且单个神经网络的学习能力也是有限的,因此多目标学习和集成学习算法开始应用在语音增强领域。多目标学习语音增强算法可以同时优化多个训练目标且不增加太多额外的参数,但是存在共享层参数训练冲突问题。集成学习语音增强算法可以将多个神经网络并行集成提高模型表达能力,但是目前大多数基于集成学习的语音增强算法存在基模型同质化问题,而且门控单元的输入通常和基模型的帧扩展输入相同,帧扩展输入过于冗余,不利于学习融合决策。本文围绕多目标学习语音增强算法和集成学习语音增强算法存在的问题,进行改进:1、针对多目标学习语音增强算法存在的参数训练冲突问题,提出了一种改进的多目标学习语音增强方法,并将其应用在多目标神经网络、多目标门控循环单元网络和多目标卷积神经网络。在结构上,折中考虑多目标学习的参数共享机制和参数训练冲突问题,不在最后一层引出多个网络层来匹配多个训练目标,而是在中间网络层开始匹配多目标的分支。同时为了让各个训练目标能充分学习到原始输入信息,采用特征拼接或跳跃连接的方式将原始输入信息连接到各个训练目标对应的输出层。实验结果表明,改进的多目标神经网络,改进的多目标门控循环单元网络,改进的多目标卷积神经网络和它们各自的单目标网络相比,PESQ分别提升了6.9%,6.12%,3.12%,和它们各自的传统多目标网络相比,PESQ分别提升了2.1%,1.35%,1.25%。2、针对集成学习语音增强算法存在的同质化和门控单元输入冗余问题,提出了基于多目标学习和集成的语音增强算法。将改进的多目标神经网络、多目标门控循环单元网络和多目标卷积神经网络作为集成模型的基模型并行集成,以提升基模型的异质性。针对门控单元输入冗余问题,只用当前一帧输入,为了补偿帧关联信息的丢失,计算当前帧和之前帧的能量统计特征,并将这些特征拼接到当前一帧输入的后面。实验结果表明,基于多目标学习和集成的语音增强算法模型比M-DNN[38]模型的PESQ提升了9.79%。