由于现实中的信号常受噪声污染,因而需进行降噪增强处理,它是信号处理中的一个基本问题.信号去噪通常依赖于相关的先验知识,这包括信号的先验知识和噪声的先验知识.信号和噪声通常在不同的变换域(如时域和频域等)下表现出不同的性质,利用这些先验知识和适当的数学模型,可以实现信号降噪处理.基于信号时域的光滑性与变换域的稀疏性,首先本文采用TV范和(?)1范分别刻画时域光滑性与频域稀疏性,并将其作为正则项引入到降噪模型中进行降噪求解,并利用复合proximity算子的分解特性给出有效的时频域联合降噪方法(Union Domain Denoising,UDDN).其次针对UDDN中(?)1范的削波效应,本文引入非凸罚firm来代替(?)1范刻画信号在变换域中的稀疏性,并基于proximity对偶算法给出求解算法.实验结果表明,与传统的小波降噪方法相比联合域能很好的利用信号的先验知识获得更好的降噪效果,而且由于非凸罚函数不但明显消除了由于稀疏所带来的削波效应,而且由于能进一步更强引入稀疏性,从而使算法的性能得到进一步提升。