随着世界科技水平的飞速发展,人机交互的需求也逐渐增加,语音交流是最方便快捷的方式,但在实际的生活中,纯净的语音往往很难获得。此时单通道语音分离（Single Channel Speech Separation,SCSS）技术就显得格外重要。而传统浅层模型的方法不能很好的解决语音分离问题。当前,随着深度神经网络（Deep Neural Network,DNN）的大规模应用,研究人员利用深度神经网络的多层非线性处理结构来发掘语音数据中的信息,在语音信号处理领域中取得了比较好的效果。本论文研究将深度神经网络技术用于单通道说话人语音分离问题,主要解决时域中单通道说话人语音分离问题。本文主要研究内容如下:1.针对单通道说话人语音分离问题,给出了一种基于Gammatone滤波器组的DNN时域单通道说话人语音分离的算法。该算法在Conv-Tasnet整体架构的基础上,使用一种多相Gammatone滤波器组替换一维卷积的编码器,直接对输入的混合语音信号做时域处理,然后将得到的时域特征输入到时间卷积深度神经网络（TCN）中,训练分离网络得到语音分离所需要的掩模。最后,用掩模和经过滤波器组处理后的输出做矩阵对应元素相乘,再用解码器处理,得到分离后的纯净语音信号。而TCN分离网络则应用频域语音分离常用的损失函数均方误差（Mean Square Error,MSE）来训练,这么做可以将均方误差（Mean Square Error,MSE）损失用于时域语音分离。2.提出了一种基于非线性门控单元TCN（Gated TCN）网络的DNN时域单通道语音分离算法。本算法采用时域语音分离的基本框架,为更好的处理语音信号的特征,因为说话人语音具有由不同人的发音特征（例如速度）引起的时间尺度变化的特性,在不同的时间接收语音信号可能有助于语音分离的效果,而在以前的网络结构中接收语音信号的尺度是固定的。本算法在TCN分离网络加入了非线性门控单元,对TCN网络做了相应的优化,使网络具有多尺度不变性。这种优化后的TCN网络叫做Gated TCN网络。用该网络替代原始的TCN分离网络产生分离掩模,而用第三章所提出的多相Gammatone滤波器组直接对原始混合语音信号做处理,并用不同的损失函数即均方误差（MSE）和尺度不变信噪比（SI-SNR）来训练Gated TCN分离网络。最后,用解码器恢复原始纯净的语音信号。