语音信号在获取和传输的过程中,不可避免地会受到周围环境噪声的影响而使语音质量在不同程度上下降。语音增强的目的就是从含噪语音中提取尽可能纯净的原始语音。小波变换是当今信号处理领域一种较为活跃的理论。本文对基于小波变换的语音增强方法展开了较为系统的研究,小波阈值去噪的主要思想是,先用小波函数对信号进行分解,得到含噪信号的小波系数,然后根据噪声和语音信号的小波系数的统计性能的差异,对小波系数进行各种非线性的数学处理,来消除噪声的影响,从而达到语音增强的目的。针对小波阈值增强算法中的两大核心问题:阈值函数的选取和阈值的设定,本文分别做了改进。对于阈值函数的选取,在分析了常用的软、硬阈值函数的缺陷及不足的基础上,构造了一个性能更优良的阈值函数。在阈值的设定上,采用基于TEO能量算子的阈值估计方法,这种方法不依赖于信噪比估计、噪声帧检测,实施过程简单有效。但是这种方法在低信噪比情况下存在过度阈值的问题。把谱减法和基于TEO的阈值自适应算法相结合,先用谱减法来提高信噪比,然后再用TEO阈值自适应算法语音增强,有效避免了阈值过度问题。另外,采用小波神经网络方法,用小波函数来代替神经网络的隐层函数,来进行语音增强,针对小波神经网络网络结构复杂,运算量大的特点,采用差分进化算法进行网络优化,增强了网络的泛化能力。大量的matlab仿真结果表明,我们提出的新阈值函数方法以及谱减法和基于TEO能量算法相结合的方法以及差分进化小波神经网络算法在语音增强主观和客观两方面都取得了较好的增强效果。