语音信息是人类交流中最重要的一种形式,但是在实际生活中语音信息会受背景声音的干扰而影响语音信息的准确性,进而影响人们的交流。语音信息作为人类交流的最重要手段,因此将目标语音与背景声音分开的能力是至关重要的。语音分离一直以来是语音处理的重要研究方向,为了提高目标语音分离的质量,近几十年来研究者提出了多种语音分离方法,早期的方法在挖掘非线性结构信息的能力上非常有限,因此单声道语音分离的性能一直差强人意。近年来随着深度神经网络的发展,利用深度神经网络的多层的非线性处理结构来挖掘数据中的结构信息,自动提取抽象化特征表示,在多个研究领域取得了较好的效果,因此将深度神经网络逐渐运用到语音分离任务中具有非常高的研究意义。本文的主要研究内容如下:本文使用循环神经网络来构建语音分离模型,由于循环神经网络具有较强的学习能力,对于处理语音问题具有一定的优势,通过仿真实验得出该方法相对于典型的传统语音分离方法(鲁棒性低秩非负矩阵分解法、多重低阶表示法)具有较强的语音分离能力,在全局信失比和全局信干比上性能均有提高。本文提出了基于卷积神经网络和注意力机制的语音分离模型,使用混合语音信号的幅度谱作为输入,其具有高维性,通过分析卷积神经网络和注意力机制的特点,卷积神经网络可以有效地提取低维特征,挖掘语音信号中的时空结构信息,注意力机制可以减少序列信息的丢失,通过联合两种机制有效地提高语音分离的准确性。最后进行仿真实验,采用代表性的数据集MIR-1K验证了本文提出的语音分离方法的性能。通过与典型的语音分离模型DRNN-2+discrim进行对比,该方法实现了0.27d B GNSDR增益和0.51d B GSIR增益,显示出本文提出的语音分离方法取得了理想的实验效果。