语音信号因背景噪声失真,会对语音清晰度和语音质量产生影响。传统的语音增强方法通常仅在时域或频域上处理信号,时频分析方法则综合考虑了信号的时域和频域特性。多分辨率时频（TF）图像是语音信号时频分析结果的一种表达方式,它综合联系了频谱图和时域波形的特点,直观地显示出语音特性随时间和频率的变化情况。本文基于时频分析,利用多分辨率TF图像对语音信号进行增强处理。主要工作如下:1.利用跨模态处理技术进行语音增强,提出了一种基于二次引导图像滤波的语音增强方法。语谱图是多分辨率TF图像的一种,其中显示出的语音表现为有规律的图像前景,噪声表现为较为均匀的图像背景。首先通过时频分析方法中的短时傅里叶变换（STFT）生成语谱图,并以此作为媒介,利用图像处理技术中的引导图像滤波得到受损语音的语谱图到增强语音的语谱图映射。为了准确去除语谱图中的噪声,本文在一次引导图像滤波的基础上提出二次引导图像滤波模型,并利用粒子群算法进行参数优化。实验结果表明,改进的引导图像滤波方法有更好的边缘平滑度和滤波效果,在White噪声下增强效果最好,相对于谱减法PESQ增值可达0.58。2.结合时频分析与深度学习方法,提出了一种基于改进生成对抗网络的深度学习语音增强方法。首先对STFT、连续小波变换（CWT）、伪Wigner-Ville分布（PWVD）这三种常见的时频分析方法的特征表示能力进行对比后,根据算法复杂度及细节分析能力的优势选取了CWT方法来提取语音信号的多分辨率TF图像;其次利用1L或L2双重距离改进最小二乘生成对抗网络（LSGANs）的损失函数;最后将以CWT方法获得的TF图像作为优化框架下深度学习网络的输入特征。仿真结果证实,本文所提方法在最小二乘生成对抗网络的基础上加入双距离参数约束生成器,使得输出的结果尽可能与真实数据保持一致,可以有效提高去噪效果;并据PESQ结果分析可知,该方法不仅能去除White噪声,对于有色噪声也有较好的去除能力。