人类的听觉系统可以根据注意力机制去关注自己感兴趣的内容。受此启发，本文提出了一种基于注意力机制的语音去混响方法。该方法是基于长短时记忆网络(long-short term memory, LSTM)的编解码结构。首先，利用编码器将混合语音信号编码成深度的高层特征表示；然后，根据注意力机制对编码后的特征进行注意力选择，使其更加关注干净的直达声部分，而忽视或者降低对噪音和混响成分的关注程度；最后，利用解码器将注意力机制的输出内容解码出来，得到目标干净语音的掩蔽值。本文所有的实验都是在TIMIT数据库上进行的。实验结果表明，本文提出的方法要好于加权预测误差和LSTM基线系统。与LSTM去混响方法相比，本文提出的方法PESQ性能相对提升了4.2%；对于CD和LLR的值，本文所提的方法分别相对下降了8.9%和11.4%。尤其是在噪声种类未知的情况下，本文所提方法语音去混响效果更加突出。