语音不仅是人与人之间进行信息传递和情感表达的主要载体,还是人与智能设备之间进行命令传达的主要方式。信息传递过程中抑制背景噪音提高语音质量和可理解度成为语音去噪的主要目的。传统语音去噪方法需要假设语音信号的分布并估计噪音信号中的能量信息,对平稳噪音有效但对非平稳噪音抑制效果很差。随着人工智能的发展,深度学习的方法被应用于各方面取得了不错的效果,并且深度语音去噪方法能有效地抑制非平稳噪音,在实际应用中有着广阔的前景,因此本文将研究基于深度学习的语音去噪方法。本文为提升去噪后语音的质量和可理解度,提出了基于Attention Res-UNetGAN模型和基于Res-SA Wave-U-Net模型的语音去噪方法。这两种模型都在波形域对语音去噪,不需要对语音进行傅里叶变换等操作,操作简单且能充分利用语音信号的相位信息,是端到端的语音去噪方法。实验表明本文提出的去噪模型提升了去噪后语音的质量和可理解度。本文主要工作如下:（1）本文提出了基于Attention Res-UNetGAN模型的语音去噪方法。针对生成对抗网络只采用卷积级联的方式存在对语音信号底层信息表示能力不足和采用直接跳连造成特征冗余的问题,Attention Res-UNetGAN模型通过嵌套残差模块和注意力跳连解决这些问题。嵌套残差模块将两块基础残差块进行残差连接,通过增加网络中的非线性路径提升网络对语音信号的建模能力。对称上采样层和下采样层之间通过注意力跳连和直接跳连的混合使用进行特征拼接,有效地减少了模型计算负担并保留更多的特征信息且加强了模型梯度传递能力。最后,在公开VCTK数据集上进行评价,后经PESQ等语音客观质量评价指标评价,Attention Res-UNetGAN模型提升了去噪后语音质量和可懂度。（2）本文提出了基于Res-SA Wave-U-Net模型的语音去噪方法。针对Wave-U-Net去噪模型存在的2个不足之处:上下采样块只采用卷积运算掩盖了语音信号存在的长距离依赖关系和上下采样块进行特征拼接时存在特征差异,提出了自注意力残差模块和残差跳连模块并融入Wave-U-Net网络中形成了新的去噪模型——Res-SA Wave-U-Net。自注意力残差模块由融合一维非因果时序空洞卷积的残差块和自注意力块组成。一维非因果时序空洞卷积增加了网络的感受野,自注意力块学习的语音时间特征增强了模型的鲁棒性。残差跳连有效地缩小了特征拼接时存在的语义鸿沟。最后,在VCTK数据集上验证了模块的有效性及Res-SA Wave-U-Net 模型的去噪能力,Res-SAWave-U-Net 模型的 PESQ、CSIG、CBAK、COVL指标值分别为2.55、3.85、3.29、3.19,比Wave-U-Net模型各指标值分别提升了 6.25%、9.38%、1.54%、7.77%。