语音信号在采集和传输过程中不可避免地会受到大量噪声信号的干扰,有效地将噪声滤除成为语音信号处理领域一个必不可少的部分。小波变换因具有良好的时频局部化特性,能够解决传统去噪方法中傅里叶变换的时频单一性问题,得到广泛的应用。本文采用小波阈值去噪法在时频空间上对语音信号进行细节分析和处理,根据噪声信号和语音信号在小波域中的分布特性,对每一层小波系数进行阈值处理,消除噪声分量。本文的主要研究内容有:　　首先,对语音和噪声的特性进行深入分析,阐述了几种常用语音去噪方法的基本原理,并对其进行对比实验仿真,分析了各自的优缺点;　　其次,对小波变换和小波去噪的基本原理进行了深入的研究,针对传统阈值函数存在的不连续和恒定偏差等问题,提出了一种与小波分解层数相关的改进阈值函数。通过实验分析了门限阈值、阈值函数、小波函数和分解层数的选取对语音去噪效果的影响,选取出最优参数,并利用最优参数进行实验仿真验证改进函数的去噪效果明显优于传统函数;　　最后,针对小波阈值算法固定参数的局限性,提出了基于经验模态分解的小波去噪方法。首先对含噪声语音进行经验模态分解,利用本文改进的阈值函数对噪声主导分量进行小波阈值去噪处理,实验结果表明该方法有效地改善了在低信噪比噪声情况下的去噪效果。并模拟仿真车载语音识别系统,在其上实现该语音去噪方法,通过识别率的对比再次验证了该方法在低信噪比情况下的优越性。