梅淑琳，贾海蓉，王晓刚，武奕峰

(1.太原理工大学 信息与计算机学院，山西 太原 030024；2.中国联通 山西省分公司网络优化中心，山西 太原 030000)

语音增强是从噪声背景中提取有用信号，降低干扰并减少失真的技术，可以应用在人工智能、助听器、语音识别等领域。目前，语音增强的方法可分为无监督和有监督两类。无监督语音增强大多基于平稳噪声、语音噪声不相关等不合理假设，导致抑制非平稳噪声能力弱，产生语音失真现象；具有代表性的算法有谱减法、维纳滤波等[1]。有监督语音增强通过学习信号的统计特性来抑制噪声，在低信噪比环境和非平稳噪声上有着明显的优势，可分为基于浅层和深层模型两种。浅层模型包括隐马尔科夫、浅层神经网络等。该模型由于层数及每层节点数目都很少，且用于训练的数据也很小，限制了学习能力，性能不能有效提升。深层模型能够深入学习语音间非线性关系[2]，极大地提高了其在未知噪声环境中的泛化性能。大致可以分为3类：基于特征映射的语音增强，输入和输出信号的声学特征；基于时频掩蔽的语音增强，输入声学特征，输出时频掩蔽；基于信号近似的语音增强，是前两种方法的融合，训练模型预测掩蔽值，最终优化目标是估计语音与纯净语音的均方误差，使网络收敛到一个最优点。因此处理非平稳噪声性能较好，成为研究热点[3-6]。

近年来，人们提出了几种有效的学习算法，有效提升了网络的性能。……