随着信息技术的快速发展,视频直播、语音聊天等与“声音”有关的社交方式越来越受欢迎,而语音通信质量也愈发受到人们的关注和重视。在进行语音通信的过程中,语音总是会受到各种背景噪声的干扰,导致语音通信的质量下降进而使得很多语音处理系统的性能受到严重影响。为了有效改善系统的性能,提高语音通信质量,语音增强技术开始被广泛研究。残差神经网络作为一种新兴的深度神经网络,在原有的神经网络的基础上通过使用“跳跃连接”引入残差模块,缓解了在深度神经网络中增加深度带来的梯度消失问题。目前,残差神经网络在图像分类和物体识别中已经取得了良好的效果。因此,本文将残差神经网络应用于语音增强技术中。目前大多数语音增强技术都是将变换域的音频特征作为神经网络的输入,这不仅需要进行信号转换,而且通常会忽略相位信息。因此,本文选择将语音信号的原始波形作为残差神经网络的输入,实现端到端(即原始波形输入和原始波形输出)的语音增强技术。本文的主要研究工作包含以下几个方面:1、提出了一种基于残差神经网络的端到端单通道语音增强方法。现存的大多数语音增强方法都是在变换域进行的,通过傅里叶变换等操作对语音信号进行特征提取。但是,此过程可能会破坏语音信号的高频部分和时域相关性信息。因此,本文选择直接对时域原始波形进行处理,实现端到端的单通道语音增强。实验结果表明,所提算法能够有效抑制噪声,提高了语音质量。2、麦克风阵列在智能化设备中有着广泛的应用,为了改善麦克风阵列的降噪性能,本文针对多通道语音增强技术进行了研究,提出一种基于最小方差无失真响应(Minimum Variance Distortionless Response,MVDR)波束形成器和后置滤波的多通道语音增强方法。该方法首先构建了基于复频域掩蔽的MVDR波束形成器,其次,将所提出的端到端单通道语音增强技术作为其后置滤波器,进一步抑制波束形成输出端的残余噪声,最终有效改善了语音增强的效果。3、为了验证所提出的基于残差神经网络的端到端单通道语音增强算法的泛化能力和实用性,本文首先利用该技术对从不同生活场景中采集到的噪声进行抑制,并通过不同的客观质量评价方法衡量技术的性能。其次,本文将该技术应用于Speex编解码器,作为其前端语音增强模块,改善语音通信的质量。