随着语音控制的智能化需求逐渐增加,语音识别的重要性也显著上升。但在复杂的实际环境中,语音会夹杂各种干扰,导致语音识别的性能受到明显影响。语音分离能为各类语音交互应用提供清晰、纯净的语音,已成为语音识别不可或缺的前端处理。传统基于信号处理的去噪方法并没有利用到语音的本质特征:谐波与基音,因此性能受限。而计算听觉场景分析的语音分离方法仍然存在一些难题,如语音的清音部分难以分离并且基音特征易受到干扰。随着近年来深度学习算法的发展,越来越多的深层神经网络应用于语音分离。深层神经网络凭借多层非线性结构,擅长挖掘语音信号中的深层特征,因此将深度学习应用于语音分离具有重要的研究意义。尽管基于深度学习的方法在语音分离中表现出色,但仍然存在相位难以分离的问题。目前,语音分离的主要目标是振幅分离,重构分离语音时使用混合语音的相位。单人语音的相位是连续渐变的,混合语音相位的连续性渐变受到影响,会使分离语音的音质变差,有时会导致分离语音中出现窜音现象。为了解决这个问题,本文使用葛氏林氏算法（Griffin-Lim算法）重构分离语音。Griffin-Lim算法使用模型输出的振幅估计通过迭代获得连续渐变的相位,进行波形重构,解决了相位难以分离的问题,能有效防止重构分离语音时混合语音相位的干扰,能有效提高分离语音的音质。本文的主要研究内容是单通道语音的分离。本文设计了一种基于Griffin-Lim算法的语音相位分离方法,将梅尔频率倒谱系数输入长短时记忆模型进行掩蔽估计,提取振幅谱并做振幅平滑后使用Griffin-Lim算法重构分离语音。实验结果表明,本文的方法能有效消除混合语音中的各类噪声,并且在阵发性噪声、低信噪比的条件下分离语音仍然具有较好的可懂度与听觉感知质量。本文给出了一种基于深度聚类和Griffin-Lim算法的男女双人混合语音分离方法,向模型输入梅尔频率倒谱系数与振幅谱联合特征,将语音特征及其上下文映射到高维空间,对高维特征进行聚类获得二值掩蔽估计,提取振幅谱后使用Griffin-Lim算法重构分离语音。实验结果表明,本文的方法能有效地分离男女双人同时说话的混合语音,针对每个说话人能得到较清晰的分离语音。本文初步设计并实现了一个语音分离系统,验证了上述方法的有效性。该语音分离系统可进行单人语音信噪分离或男女双人混合语音分离,读入待分离语音文件并选择分离类型后可输出分离语音、绘制分离语音波形并播放分离语音。测试表明该系统运行可靠,分离语音具有较好的音质。