语音是人与人之间交流的主要方式,但是生活环境中会存在各种各样的噪声,影响语音信号的清晰度和可懂度,降低语音质量。为了保证语音信号传送的准确性,必须对这些噪声进行抑制。噪声分稳态噪声和非稳态噪声,非稳态噪声又分为瞬态噪声和其他噪声。稳态噪声的抑制相对于瞬态噪声来说比较成熟,瞬态噪声由于存在随机性和非线性特性抑制或消除起来较比较困难,目前也是含噪信号的研究难点和技术瓶颈。比如人机语音交互过程中突然产生的敲桌子声、玻璃杯破碎声、键盘声等会对语音质量产生很大的干扰,因此去除语音信号中突然产生的这种瞬态噪声是提高人机交互质量的重要前提。现阶段对此类噪声的抑制效果仍然不理想,主要原因是此类噪声的突发性极强、能量很大、且和语音信号常常混叠在相同频段,现有单通道算法很难把它从语音信号中分离出来,因此对低信噪比场景下语音信号中瞬态噪声的消除研究就非常迫切。首先,为了解决对瞬态噪声跟踪慢、欠估计的问题,在传统的最优改进对数幅度谱估计（Optimally Modified-Log Spectral Amplitude,OM-LSA）方法的基础上,本文使用改进的时间递归平均（Improve Mean Recurrence Time,IMRT）算法代替最小值控制递归平均（Minima Controlled Recursive Averaging,MCRA）算法对瞬态噪声谱进行估计,然后用先验信噪比和语音存在概率推导出最优增益函数,从而得到纯净语音的对数幅度谱,再经过傅里叶反变换,进而得到估计出的纯净语音信号。基于自采数据集进行实验,验证本文提出算法对瞬态噪声的去除效果,结果表明,本文所提算法在-5d B时分段信噪比（seg SNR）和语音质量感知评价（Perceptual Evaluation of Speech Quality,PESQ）分别最高提高了11.76和0.97。其次,基于现有深度学习的语音增强方法都是把整个带噪语音送入到神经网络中进行语音增强,由于瞬态噪声并不是在语音的整个时间段都存在,因此,这种方法并不适用于瞬态噪声的抑制。为了保证语音信号的完整性,本文并没有把全部语音送入到神经网络中,而是先用OM-LSA算法估计出瞬态噪声,并利用幅度阈值确定瞬态噪声存在段的时域掩膜,通过前向搜索使之成为连续,最后把带噪语音和掩膜时域乘积取出瞬态噪声段,送入到深度复数值U型网络（Deep Complex U-Net,DCU-Net）中进行噪声抑制,获得增强语音段,最后将增强语音段插入到原语音序列中,即获得增强后的语音信号。基于自采集数据集进行实验,结果表明,主观意见平均得分（Mean Opinion Score,MOS）全部为优,Seg SNR和PESQ在-5d B环境下分别最高提高了13.9和1.46。综上,本文所提两种方法对语音中的瞬态噪声均有良好的抑制效果,显著降低了瞬态噪声的时域幅度值。通过实验,验证了本文所提算法对降低语音中瞬态噪声的有效性。