语音增强的目的是消除语音信号中的背景噪声与环境干扰,来改善提高污染语音的质量,尽最大可能提取出纯净的没有被污染的语音,多运用在语音识别系统、通信系统中,有非常重要的作用。但是由于环境的多样化,噪声的不稳定性和随机性,并且基本不可能得到所有样本数据,在实际应用中,这些方法很难取得较好的效果。另外,传统的增强方法会对语音信号进行一些分布性的假设,不准确的假设会使增强后的语音与纯净语音信号差别比较大,语音的失真度相对比较高,结果就导致语音的可懂度不高,质量下降。针对这些问题,本文研究基于生成对抗网络的语音增强方法。生成对抗网络属于生成式模型,采用零和博弈的思想让生成器和判别器进行对抗训练。它的生成器不需要对数据的分布做任何假设,最大的优势在于能够学习任何分布下的真实数据,并生成相似分布的数据。此外,生成对抗网络多采用神经网络结构搭建,不仅可以提高模型的泛化能力,还可以加速网络的对抗训练速度,具有非常大的优势。本文的主要工作包括以下两个方面:(1)生成对抗网络损失函数的选择和网络模型的性能紧密相关。通过分析原始生成对抗网络的损失函数在模型训练过程中面临的问题,选择最小二乘损失函数。针对利用生成器重构出的语音信号质量不高的问题,改进了最小二乘损失函数。在生成器的损失函数中引入L1范数,并用超参数ρ来控制L1正则化影响的权重系数,并通过实验得出最优值。针对语音信号的特点,在改进的基础上搭建了基于语音增强的判别器和生成器的网络结构,训练并测试模型的性能。通过与传统的语音增强算法进行比较,得出基于生成对抗网络的语音增强效果好于传统的语音增强算法。(2)本文在深度卷积生成对抗网络的基础上,针对模型在训练过程中收敛速度慢、梯度消失等问题,对生成器和判别器的网络结构进行改进。基于条件生成对抗网络,将判别器抽取的高维抽象特征作为生成器的条件信息,与高斯噪声一同输入到生成器,构建条件生成对抗网络模型。最后通过跟改进前的基于生成对抗网络的语音增强算法进行对比分析,发现生成对抗网络能够获得更好的增强效果,增强后的语音质量得到了提升,也增加了算法的稳定性和泛化能力。