语音增强技术是噪声环境下语音识别中的关键技术之一,而噪声环境下的语音识别是目前语音识别领域的研究热点,具有一定的理论和实际意义。目前,国际上噪声环境下的语音识别主要有3种方法:语音增强方法、模型补偿法、提取鲁棒性好的语音特征参数方法。本论文的研究工作是针对噪声环境下语音增强问题展开的。论文对语音增强技术进行了探讨,主要对基于小波变换的阈值去噪增强方法进行了研究。介绍了常用的语音增强算法,小波分析的基本理论,小波阈值去噪法的主要思想;研究了五种不同阈值情况下运用折中阈值函数对语音信号的去噪增强效果;比较了同一种阈值规则情况下不同阈值函数的去噪结果。设计了基于LabVIEW平台的语音信号采集系统,编制了基于Matlab软件平台的算法仿真程序。仿真结果表明:在五种阈值规则中,运用Neyman-Pearson准则得到的重构信号均方根误差最小,信噪比提高最大;在同一种阈值规则中,本文所提出的折中阈值函数对语音信号去噪后得到的重构信号波形平滑性最好。最后简要讨论了由于语音增强所带来的失真问题,失真的结果表现为引起频谱变形的乘性噪声和近似表现为加性的剩余噪声,在特征空间运用倒谱均值归一化方法(CMN)对乘性噪声带来的失真进行补偿,在模型空间采用并行模型合并算法(PMC)对加性噪声带来的失真进行补偿。仿真结果表明:识别率较高,说明补偿方法是有效的。