语音信号去噪是语音识别系统得到实际应用必须解决的实际问题。语音去噪算法研究有助于解决这个问题。基于小波变换的语音去噪算法是指将语音信号映射到小波域,依照语音和噪声的小波系数在不同尺度上具有不同性质的机理而对含噪信号的小波系数进行处理。让小波母函数伸缩和平移得到的一系列函数空间中,根据提出的衡量标准去找出原信号的最佳逼近,从而实现原信号与噪声信号的区别,这就是小波去噪问题的本质。语音处理正确性的高低依赖于所获取的信号特征量的准确程度,而消噪处理有助于提高语音识别系统的稳健性。以往去噪方法存在着保留信号局部特性与减弱噪声两者之间的矛盾问题。约二十年来发展成熟的小波技术,在信号消噪应用中表现出传统方法不具备的优点,可能是因为小波变换具有良好的时频局部化特性,相当于一个“数学显微镜”,能有效地从混合信号中提取出有用信号。本文主要研究了小波去噪的理论和方法,分析了小波变换的特点,提出新的阈值去噪方法和针对白噪声、散粒噪声的去噪新方法。分析了在语音信号去噪过程中所碰到的具体问题,本文比较了几种去噪方法与传统的方法的优缺点,并主要研究了阈值去噪方法。在阈值去噪方法中,对于小波基和分解层数的选取以及合理选取阈值的难点问题,使用了改进小波阈值去噪方法和新小波去噪方法,提出新的见解。最后,采用白噪声,以及散粒噪声的例子,通过Matlab的小波分析工具箱的仿真,在程序中运行本文的算法,并根据不同信号的噪音形式,提出了几种小波变换的改进阈值去噪和一种新的小波去噪方法。实验结果显示：本文提出的方法在加白噪声信号中有较为理想的效果,简单方便且切实可行,达到了预期的降噪效果,提高了信噪比(SNR),降低了均方根误差(RSME)。理论分析和实验得出的结果的一致,说明了本文提出方法的有效性。文中第一章介绍了语音识别、小波变换及信号去噪。第二章介绍了语音噪声的不同的声学模型、噪声的特性、噪声的评价标准、傅里叶变化等知识。第三章主要介绍了小波变换的基本原理、方法和性质,常用的小波函数和多分辨分析概念。第四章介绍了小波阈值去噪的各种方法、原理和思想。最后一章,也就是第五章,首先录制并分别建立了一定数量的语音信号和噪声信号(白噪声,散粒噪声)。接着对带噪语音信号在matlab软件环境下进行了实验仿真。最后,通过仿真实验来分析讨论在两种不同算法情的去噪效果。