随着人工智能技术和互联网技术的迅速发展,越来越多的语音交互场景出现在人们的日常生活中,语音分离技术作为语音信号处理领域极具挑战性的研究任务之一对于语音交互系统在实际复杂声学场景中的应用有着重要作用。自从深度聚类和排列不变方法的提出,解决了标签排列问题,近年来,神经网络在语音分离中得到了进一步应用,在说话人不相关的多说话人语音分离任务上的性能获得了提升。时域语音分离网络的提出,解决了之前在频域进行语音分离后波形恢复步骤中相位不匹配问题,构建了更适合语音分离的特征。尽管上述基于深度学习的语音分离方法在近年来发展迅速,不断取得突破性进展,但是仍存在以下问题:第一,目前大部分学者对于单通道语音分离任务的研究都是在不包含噪声的纯净混合语音数据集上进行的,当包含噪声时性能下降明显;第二,目前单通道语音分离方法虽然对语音的上下文的信息进有一定建模能力,但是不具有全局的特征关联能力,没有充分的利用语音的上下文信息和依赖。针对以上问题,本文在包含噪声的混合语音数据集上展开相关研究,结合时间卷积网络和注意力机制提出了一种单通道语音分离方法,在包含噪声的数据集上获得了语音分离性能的提升,并在信噪比较低的情况下有更明显的提升。随着麦克风制作工艺的提升和语音系统对语音质量要求的提升,多麦克风已经逐渐部署到更多的场景下。如何利用麦克风阵列所采集的空间信息来提升语音分离的性能是有重要研究价值的。目前主流的基于深度学习的多通道语音分离方法大部分是直接在在单通道语音分离系统上进行扩展,将麦克风阵列采集的空间信息和语音波形信息拼接到一起作为分离网络的输入,研究者们提出了一些优化空间信息的方法,使多通道语音分离得到了提升。但是仍存在一些问题:第一,当声源角度相差较小时会导致空间信息混叠;第二,语音波形的恢复步骤中仅使用参考通道的波形信息,没有充分利用空间信息。针对以上问题,本文提出了一种在时空编码特征域的多通道语音分离框架,在语音波形恢复步骤中使用了时域波形信息和空间信息。并在此框架的基础上提出了两种语音时空特征编码器,该方法对比最新的多通道语音分离方法性能有显著提升。