语音增强的目的是通过设计一种高效的信号处理算法,去除带噪语音中的各种干扰噪声,恢复出干净的增强语音,同时要保证增强语音有较高的恢复质量和可理解度。传统的语音增强算法在使用前需要对语音和噪声信号做出严格的假设,这限制了其在一些复杂的现实场景中的应用。近年来,无需任何假设、具有强数据建模能力的神经网络得到研究人员的广泛关注,成为本领域的主流算法。本文主要针对提高卷积神经网络全局建模水平和语音增强能力展开一系列研究。虽然卷积运算擅长关注输入语音信号的局部细节,但是其感受野十分有限,很难捕获全局信息,因此需要堆叠多层来学习语音信号的上下文依赖关系。然而随着层数的加深,网络中又会产生许多冗余的信息,逐层传递后不利于网络的学习。为了解决上述问题,本文将三种不同类型的自注意力机制与卷积神经网络结合,从多个角度帮助网络获取语音信号的全局信息,聚焦有效特征,抑制冗余特征。具体的研究内容如下:（1）本文以Wave-Unet卷积神经网络为基本结构,将Stand-alone全注意层与Wave-Unet结合,提出了一种新的语音增强模型Wave-sa-Unet,通过将CLP层输出的语音特征图送入Stand-alone全注意层中进行像素聚焦和特征重构,有利于帮助模型关注有用信息,抑制冗余信息。同时本文采用端到端的语音增强框架,通过合理设计网络结构,省去了复杂的语音特征提取过程,直接将带噪语音信号送入模型进行训练,输出净化后的语音波形。此外本文将尺度不变信噪比作为模型的目标函数,通过直接优化该种语音测评指标来提升网络模型的语音增强能力。实验结果表明,相比于Wave-Unet基线模型,Wave-sa-Unet产生了0.54d B的尺度不变信噪比增益。（2）在所提出的Wave-sa-Unet基础上,引入非局部模块和通道挤压-激发机制两种自注意力机制,提出了一种多注意力联合卷积的语音增强模型Wave-maUnet,三种自注意力机制从不同角度对卷积网络进行辅助和校准,帮助网络进一步提升去噪水平和语音增强能力。实验结果表明,在Wave-sa-Unet基础上,Wave-maUnet产生了0.66d B的尺度不变信噪比增益。