语音增强是语音信号前处理中的重要内容,它在助听器设备、语音通话、人机交互等领域有广泛的应用。智能设备的发展带动消费领域硬件规格提升,采用高采样率的麦克风已经成为一种发展趋势,研究高采样率语音增强有非常大的现实意义。本文对单通道48 k Hz采样率的语音增强算法进行研究,提出深度学习与传统方法相结合的语音增强方法。传统语音增强方法中最小均方误差频谱幅度估计器有较高的性能和较好的鲁棒性,该方法的效果主要受先验信噪比和后验信噪比估计准确度的影响。由于传统方法难以准确估计含有非平稳噪声语音信号的先验信噪比,因此本文使用Deep Xi先验信噪比估计框架替换传统方法完成对先验信噪比的估计。Deep Xi框架利用深度神经网络强大的非线性映射能力完成带噪语音幅度谱到先验信噪比的映射。原始的Deep Xi先验信噪比估计框架使用带有残差连接的长短时记忆网络实现对先验信噪比的估计,而该网络存在并行性差、资源消耗多的缺点。本文提出使用时间卷积网络、多分支时间卷积网络、多头注意力机制三种网络结构对48 k Hz采样率语音信号的先验信噪比进行估计。纯净语音信号幅度谱估计通常使用最小均方误差短时幅度谱估计器和最小均方误差对数幅度谱估计器,而这两者都没有考虑到听觉系统的掩蔽效应。本文提出使用加权欧氏失真测度改进幅度谱估计器,该方法考虑到人耳听觉系统的掩蔽效应。使用加权欧氏失真测度改进后的幅度谱估计器相比于短时幅度谱估计器和对数幅度谱估计器在大多数条件下有更好的语音增强性能,且能有效减少残留的噪声。本文将48 k Hz采样率的语音和噪声数据构建训练集、验证集和测试集用于模型的训练、验证以及测试。实验结果表明,本文提出的语音增强方法相比于传统语音增强方法有明显的性能提升。对于先验信噪比估计的准确性,多分支时间卷积网络能有效扩大感受视野,其性能明显优于时间卷积网络。多头注意力机制能有效提升先验信噪比估计的准确性,其性能相比于时间卷积网络和多分支时间卷积网络有明显的优势。对于不同的幅度估计器,加权欧氏失真测度改进的最小均方误差频谱幅度估计器综合性能略好于最小均方误差对数频谱幅度估计器,且优于最小均方误差短时频谱幅度估计器。