随着语音信号数字处理技术在人们日常生活中越来越广泛的应用,这些技术的稳定性及其对使用环境的适应能力都变得越来越重要。由于实际应用环境中背景噪声的存在,如何有效的去除各种噪声,得到有用的语音信息,如何从含噪语音中正确的识别出语音段,成为当前语音研究中的一个重要课题。　　本文通过对语音信号在时频域中的研究,提出了一种基于匹配追踪(Matching pursuits)时频分解算法的语音降噪方法,即利用Matching pursuits算法对含噪语音信号进行分解,把分解后的各个分量的魏格纳分布之和作为整个信号的魏格纳分布,这样信号在时频平面上有了较直观的分布,再利用这个分布特点对信号进行降噪。实验与仿真结果表明,这种方法能在保证可听懂度的情况下,有效的去除含噪语音信号中的宽带噪声。　　在所提出的语音降噪的方法思想基础上,进而提出了一种适用于无噪声环境下的语音端点检测方法。对比于传统的过零结合短时能量法,该方法能够更加准确的检测出清音/浊音端点。　　结合上面两种基于时频分解的方法,提出了一种适用于噪声环境下的端点检测方法。实验数据表明,此方法能够将语音端点从含噪信号中检测出来。但是这种方法对于清辅音开头的语音端点检测力度不明显,仍待深入研究。　　文中所提出的三种新方法,虽然都能有效的达到目的,但是根本出发点都是一样的,那就是信号已经利用MP算法被分解开来,因为每个新方法在实现过程中都不可避免的经历这个过程,所以在处理时间上要比传统的方法耗费的时间要多一些,在PC机上实现的时候实时性不好,而且方法还没有系统地理论化。但它是基于时频域的,时频分解后信号在时频平面上具有比在时域平面上更好的直观性,故亦为含噪语音的降噪和端点检测问题提供了一种新的思维方法。　　论文的最后,针对新方法的不足给出了几点改进建议以及今后研究的发展方向。