本发明提出了一种基于时频域联合损失函数的语音增强方法。本发明将开源数据集中干净语音数据集与噪声数据集合成带噪语音数据集，通过预处理操作转换为幅度谱与相位谱以及波形数据，构建训练集。构建CNN网络模型，将带噪语音幅度谱作为输入，将干净语音幅度谱作为标签，进行模型训练。将模型输出的幅度谱估计值与带噪语音相位谱通过逆短时傅里叶变换方法进行波形重构，获得估计语音的时域波形；通过干净语音幅度谱与幅度谱估计值计算频域损失；通过干净语音时域波形与估计语音时域波形计算时域损失；根据频域损失、时域损失构建时频域联合损失，指导CNN网络模型进行权值优化。本发明减少了估计幅度谱与相位谱不匹配的现象，提升了语音增强的效果。