本课题是研究基于小波的语音信号降噪算法。小波变换作为能随频率的变化自动调整分析窗大小的分析工具，自上世纪八十年代中期以来得到了迅猛的发展，并在信号处理、计算机视觉、图像处理、语音降噪与压缩等众多的领域得到应用。小波变换其实就是一组滤波器组，一个低通滤波器和一系列带通滤波器（高通滤波器）。通过这组滤波器，小波变换对输入信号进行分频，将信号分解成高频的细节部分和低频的概貌部分，但是输入信号在时域内的主要特性没有改变。经过小波变换后，语音信号的信息主要集中在低频部分，且小波系数幅值大，白噪音主要集中在高频部分，小波系数幅值小。由此，我们可以对通过小波变换后得到的各个子波作适当的阈值处理，将小于阈值的小波系数（由噪声产生）置零，而保留大于阈值的小波系数（由信号产生），从而使含噪信号中的噪声得到有效的抑制，最后进行小波逆变换，得到滤波后的重构信号。这就是小波滤波的基本思想。小波降噪主要包括以下几个环节：1．原始信号的小波变换，主要涉及小波基选取问题。本文比较了几种小波基的不同特点：Haar小波只有一阶消失矩，但它具有最短的支撑，并且是正交和（反）对称的；DB小波具有高阶消失矩，是正交的，但它没有（反）对称性；双正交小波虽不具有正交性，但是对称的，而且分析小波与综合小波均有高阶消失矩。在确定消失矩参数情况下，正交小波系列中，DB小波具有最短的支撑，在这一意义上它是最优小波。并且DB小波能很好表征信号的突变和细节特征，所以应用最为广泛。2．阈值估计。本文比较了几种常用的阈值估计算法：通用阈值法，包括Donoho提出的t=σ（21nN）^1／2通用阈值，基于正态分布“3σ准σ”的t=cσ，c∈[3.0，4.0]阈值；几种无偏风险估计阈值；GCV（广义交叉验证）阈值；最终得出通用阈值效果最好的结论，并以“3σ准则”最为简单、灵活，效果也很好。3．阈值函数。比较了三种阈值函数：硬阈值函数，算法简单，但容易损失弱细节信号；软阈值函数，处理后的信号有较好的连续性，但大量系数的收缩容易造成偏差；半软阈值函数，结合了上两种算法的优点，但需确定两个阈值，增加了算法复杂度；最终确定了用改进的半软阈值函数作为本文降噪阈值函数，其只需确定一个阈值，但与上述的几种阈值函数方法得到的滤波结果是渐进相等的4．阈值选取策略分为统一阈值法和独立阈值法，通过实验证明独立阈值法失真较大，全局统一阈值法效果较好。5．评价标准除了注重客观评价标准，更提出了注重主观评价满意度思想，注重语音高频细节信号的保留。本文通过对小波降噪算法的深入研究和实践，结合语音信号的特点，在客观评价和主观评价并重的原则下，提出了改进的基于小波变换的语音信号降噪算法：采用小波包分解语音信号，通过对阈值估计算法作适当调整，在原阈值估计基础上，动态加权，从而增强了阈值估计算法的自适应性，最大限度的保留语音高频细节信号，并增加小波域的野点处理过程，从而改善了小波降噪效果。通过实践证明，该算法确实从主观评价满意度方面较以往算法有明显提高。