本发明提供了一种语音增强方法、系统、计算机设备及存储介质，涉及人机语音交互的技术领域，包括通过声学矢量传感器采集多通道声学信号，对多通道声学信号进行预处理并获取时频谱，对时频谱进行滤波处理并输出信号图谱；通过非线性掩膜对信号图谱进行掩蔽处理并输出增强后的单通道语谱图；将单通道语谱图输入至深度神经网络掩膜估计模型并输出掩膜谱图，通过掩膜谱图对信号图谱进行时频掩蔽增强处理获得增强的幅度语谱图；通过增强的幅度语谱图重构输出增强的目标语音信号，解决了多通道语音增强具有硬件成本较高、采集系统体积大、运算复杂度高的技术问题，在不同干扰噪声种类、强度和房间混响条件下都可获得优秀的语音增强效果的技术效果。