随着科技的发展，音频信号的重要作用已经越来越多的体现在实际生活的各个方面中，比如在移动通信、广播、电视台以及一些重要的工程项目中。但是，实际的音频信号含有的噪声给人们带来很大的影响。目前，对于音频信号去噪最有效方法的是借助小波变换对其进行处理。其中，小波域阈值滤波算法应用最为广泛，但是在算法中几种选取阈值的方法均是不考虑信号分解层数，这会造成噪声不能被完全滤除或者是有效信号的特征被滤除掉。因此，使用小波域阈值去噪算法对音频信号进行去噪时，应该充分考虑到信号分解的尺度来选取合适的阈值，并且对结果进行频谱、功率谱等方面的综合分析。对音频信号进行滤波与频谱分析的过程主要分为两个步骤。第一步是应用小波域阈值去噪算法对音频信号去噪，为了解决阈值选取方法没有考虑到分解层数的问题，提出了一种基于相邻层高频系数图比较的自适应确定最优分解层数和基于分解层的自适应确定最优阈值的改进方法。通过与FFT、软阈值和硬阈值去噪算法比较的结果表明，改进的算法在信噪比与均方误差两个指标上均优于上述三种方法，同时有效保留了音频信号的特征信息。第二步是用小波包变换对去噪后的音频信号进行频谱分析并进行功率谱估计。提出了将最小熵原则与小波二叉树相结合的办法获得小波包的最优分解二叉树，再进行音频信号子频带的分析以及重构，仿真结果表明重构信号很好的保留了原信号的特征。考虑到音频信号的非平稳性，在对其进行功率谱估计时使用最大熵谱估计算法，建立了等价的AR模型，利用Yule-Walker算法求解模型参数，进行误差功率的估计以及功率谱图的仿真。结果表明基于Yule-Walker算法更好地体现出频谱特征并在抗混叠性能和误差功率估计上效果更理想。以上工作可以使得音频信号在去噪、频谱分析上得到更好的处理。