语音增强在通信设备、助听器等产品中应用广泛,同时可作为语音识别、语音编码与合成等语音技术的预处理技术,具有较高的研究价值。基于神经网络的语音增强算法是其中一项重要研究内容,同时,注意力机制能够较好的提取特征中的全局相关性,从而使语音增强网络的能力得到进一步提升。通道注意力、自注意力等方法可使语音增强网络有效区分语音与噪声信息,从而更好的抑制噪声。然而目前基于注意力机制的语音降噪方法还存在一定局限性,为进一步提高单声道语音增强网络的能力,本文做了以下方面的研究:（1）针对传统的卷积循环神经网络在低信噪比条件下提取语音信息的能力较弱,基于时域的两阶段Transformer网络结构较复杂的问题,本文利用离散余弦变换（Discrete Cosine Transform,DCT）,将时域波形转换为实数频域信号,避免了幅度与相位的困扰。同时利用两阶段Transformer学习频域信息中局部和全局范围的特征,提出了基于DCT域的Transformer模型。含噪语音依次通过编码器、Transformer模块以及解码器得到增强后的语音频谱,最后通过逆短时离散余弦变换得到增强后的语音。相关实验表明,本方法在多种信噪比条件下,在短时客观可懂度和语音质量感知评估方面表现出比对比方法更好的降噪能力。（2）针对目前基于注意力机制的语音增强算法没有充分利用频域特征中空间与时间维度信息的问题,本文将可分离自注意力与复数神经网络相结合,在编解码器网络的基础上加入复数可分离自注意力机制。可分离自注意力分为空间自注意力与时间自注意力,语音特征首先通过空间自注意力模块,同时学习通道和空间维度的信息;然后通过时间自注意力模块,重点学习时间维度的信息。通过对频谱中各维度的特征进行针对性学习,可有效提取重要特征,抑制相关性较小的特征,减少参数冗余。在Timit和Noise X-92数据集进行的仿真实验表明,本方法具有良好的语音增强能力。