La calidad del habla en el control del tráfico aéreo es crucial. Sin embargo, el ruido interno y externo puede afectar la calidad del habla en el control del tráfico aéreo. Instrucciones de habla claras y retroalimentación ayudan a optimizar los procesos de vuelo y las respuestas a emergencias. El método tradicional de mejora del habla basado en una red neuronal profunda y una máscara de relación ideal (DNN-IRM) es propenso a la distorsión del habla objetivo en un entorno de ruido fuerte. Este artículo presenta un método de mejora del habla en el control del tráfico aéreo basado en un DNN-IRM mejorado. Emplea LeakyReLU como función de activación para aliviar el problema de desvanecimiento del gradiente, mejora la estructura de la red DNN para aumentar la capacidad de estimación de la IRM y ajusta los pesos de la IRM para reducir la interferencia del ruido en el habla objetivo. Los resultados experimentales muestran que, en comparación con otros métodos, este método mejora la evaluación perceptual de la calidad del habla (PESQ), la inteligibilidad objetiva a corto plazo (STOI), la relación señal-ruido invariante a la escala (SI-SNR) y la claridad del espectrograma del habla. Además, utilizamos este método para mejorar el habla real del control del tráfico aéreo, y la calidad del habla también se mejora.