目前，语音识别系统已经在理想的环境下获得了不错的成绩，但是存在于应用环境中的各种干扰信号，导致系统的识别能力大幅度下降。由此可见，去噪技术已经成为语音识别系统能否在生活中完美应用的关键，同时也是语音识别领域要攻克的热点问题。目前，语音识别中主要的抗噪方法分为语音增强技术、抗噪特征提取技术和模型补偿技术三个方向，在本文中，结合前两种技术提出了一种组合的去噪方法来进一步提高系统的鲁棒性。首先，在语音增强技术方面，通过分析硬阈值函数、软阈值函数、软硬阈值折中函数和Garrote阈值函数的优缺点，构造出了一种改进的阈值函数，这个函数同时具备了以上几种函数的优点。然后通过Matlab仿真验证了该函数的可行性与有效性。其次，在抗噪特征提取方面，通常采用MFCC参数和基于小波多分辨率分析改进的MFCC参数。由于MFCC参数提取过程中的FFT变换在时域和频域分析窗是不变化的，这就违背了语音信号非平稳性的特点；而基于小波多分辨率分析的MFCC参数只分解变换后的低频部分，高频部分却不做任何操作。针对这两个缺陷，本文给出了一种改进的基于小波包分析的特征提取方法，并验证了这种方法具有较好的识别结果。最后，在性能分析部分，首先基于本文的组合去噪方法构建了一个非特定人、孤立词、小词汇量的语音识别系统，然后在几种不同信噪比环境下，经过对比不同系统的识别率，验证了该组合去噪方法的有效性。