语音增强技术的目的是通过去除音频中的非语音噪音或去除语音混响等方式提高语音听感质量和语音可懂度。语音增强在通信系统、语音识别、助听器等场景有着广泛的应用。语音增强原本属于数字信号处理研究领域的一个研究方向,但随着深度学习技术的发展,目前越来越多的研究开始更偏重使用深度学习方法处理语音增强任务。得益于神经网络强大的建模能力,目前基于神经网络监督学习的语音增强方法相对于传统数字信号处理的方法已经取得了压倒性的优势。虽然基于深度学习的单通道语音增强技术已经取得了很好的效果,但在本文的研究与实验中发现,现有的基于深度学习的单通道语音增强技术仍存在较大的性能提升空间。为了进一步提升基于深度学习的语音增强算法的性能,本文先后提出了更加符合人类感官的相对损失函数和基于对抗训练的μ律压缩频谱对抗生成网络。均方误差是目前最常用的语音增强监督训练目标函数,但是该目标函数衡量误差的方式并不符合人类的感官响应,为此本文通过在语音频谱误差计算中引入频谱原始数量级的方式设计了更加符合人类感官的相对损失目标函数。实验结果显示相对损失在语音听感质量、语音短时可懂度和信号失真率等语音增强客观衡量指标上都取得了优于均方误差的得分。为了进一步提升单通道语音增强的性能,本文受对抗生成网络和语音压缩算法的启发设计了用于频谱生成任务的μ律压缩频谱对抗生成网络。μ律压缩频谱对抗生成网络在判别器中引入了新设计的可训练频谱压缩层以提升判别器的判别能力,同时使用可训练的压缩层约束生成器的训练以使生成器在训练过程中更容易发掘增强频谱和纯净频谱的差异。实验结果显示μ律压缩频谱对抗生成网络在语音听感质量、语音短时可懂度等各种衡量指标上已经超越了目前很多的单通道语音增强研究工作。