在信号处理过程中,有效地获取需要的信号,去除各种噪声对信号的不利影响一直是不断被研究的课题。为了获取正确而有用的信号,对信号去噪算法的研究变得非常重要。在实际中使用有效的去噪算法,能更好地获得有用信号,去掉噪声的干扰,更真实的反映信号的原貌,有利于分析信号获取信息。论文中提出相位匹配噪声估计的小波去噪方法。将带噪信号在复数域进行相位匹配,通过数学推导获取噪声的方差,由噪声方差获取小波阈值,进行小波去噪,可以实时的反映噪声的变化,无需知道噪声的先验信息,准确获取小波阈值。通过-3dB和-9dB信噪比的正弦波、方波、三角波这三种代表波去噪仿真与对比,其对低信噪比的信号去噪效果是Donoho小波去噪方法去噪效果的4-8倍。提出了一种线性过渡阈值小波去噪方法。使小波软阈值去噪方法和小波硬阈值去噪方法成为本方法的特例,更进一步扩展了阈值的变化范围。可以根据实际情况灵活调整线性过渡阈值的梯度值,从而获得输出不同信噪比的信号,并使信号输出变得平滑。通过梯度值取3,选用Sym8三层小波对加入高斯白噪声信噪比12dB的Block和Quadchirp信号去噪仿真,经线性过渡阈值法处理后,信号幅值高于软阈值去噪,信号的尖刺跳变低于硬阈值去噪,信噪比提高的同时使得信号更加平滑。通过梯度值取1.5、3、6线性过渡阈值去噪法与软、硬阈值去噪法对比,其处理后信号标准差低于软、硬阈值去噪方法的标准差。提出了相位匹配噪声估计的高阶谱去噪方法。对带有高斯和非高斯噪声信号进行双谱去噪,进行二维傅立叶反变换,获得去除高斯噪声的信号,再利用相位匹配噪声差来估计噪声谱,在频域内进行谱差去噪,去除未处理的非高斯噪声。给出了获取噪声谱的数学公式,以及谱差计算公式。将频率100Hz的正弦波分别加入信噪比是-1dB、-5dB、-10dB的非高斯有色噪声和高斯白噪声的混合噪声,利用相位匹配噪声估计的高阶谱去噪方法进行去噪仿真,去噪后的信噪比明显高过双谱去噪,既去除了高斯白噪声又去掉了高阶谱去噪法无法去除的非高斯有色噪声,尤其是在-10dB的情况下效果更加明显。提出了相位匹配双阵元去噪方法。给出相位匹配双阵元去噪方法的数学推导过程。利用相位匹配双阵元去噪方法进行去噪处理,在噪声无突变的情况下可以直接解出信号。其与单个阵元获取信号相比,可以获得更多信号和噪声的信息,利于噪声的抵消。弥补了Orris提出的相位匹配算法需要知道噪声先验信息的不足。采用频率300Hz的正弦波,加入-70dB、-50dB和-30dB的高斯白噪声,在采样率为10kHz条件下,给出了解出信号与实际信号的拟合度表,拟合度达到90%以上。分析了噪声相位与幅值的变化对本方法的影响,分析了信号相位变化对求解信号的影响。分析得到结论是噪声的相位变化对信号求解无影响,幅值变化可以通过起伏系数K对去噪结果进行调整。信号的相位变化可以通过匹配系数k对去噪结果进行调整。在噪声相位和幅值都有变化,信噪比为-50dB的情况下,对不同时间段的不同起伏系数值进行仿真,获得信号拟合度均大于90%。提出了相位匹配的信号与混沌背景分离方法。通过信号的相位匹配直接从混沌背景中解出信号,达到信号与混沌背景分离的目的。不需要在最小相空间利用非线性最小化来提取信号,克服低维流形状态下分离效果差的缺点与全局非线性逼近拟合存在很大误差的缺点。以Lorenz为混沌背景,加入不同频率和不同幅值的正弦波信号,采用相位匹配的方法去除混沌背景,进行混沌相图仿真,获得信号分离度表,得到结论是频率小时分离度较小,幅值大时分离度也较小,信号分离度值小于3,能够将信号从混沌背景中分离出来。最后将核心的相位匹配去噪算法应用到实际的FPGA中去,实现软IP核的结构设计。结构采用模块设计,对各个组成模块和整体IP核进行了功能仿真和时序仿真,仿真结果与理论结果相符,为其应用于嵌入式设备打下基础。