噪声的存在是语音识别技术广泛实用化的最大障碍。在实际的语音识别应用过程中,获取和传输过程中的原始语音不可避免地受到来自周围环境和传输介质的噪声的干扰。这些干扰会使语音质量下降,从而造成语音识别系统的性能大幅度下降。因此,消除含噪语音信号的噪声,增强语音的清晰度,是语音识别技术进入广泛实用化的关键。在语音去噪方面,经过多年的不断研究,人们提出了各种各样的语音去噪的算法,如谱相减法和维纳滤波法等。小波变换是80年代后期迅速发展起来的一种新型的数学分析工具,它具有多分辨率分析的特点,在时域、频域同时具有良好的局部化性质。通过伸缩、平移等运算功能对信号进行多尺度细化分析,小波分析能有效地从信号中提取出有用信息。由于小波变换在分析非平稳信号方面的优势,近年来它被广泛的应用于语音去噪领域。小波去噪的主要方法有三大类:模极大值去噪法、相关去噪法以及阈值去噪法。其中基于小波阈值的去噪方法,由于计算简单且去噪效果明显而得到了广泛的应用。本文针对语音增强方法技术进行了广泛研究探讨,介绍并比较了现有的各种语音增强方法,主要分析了小波变换应用于语音去噪的相关理论,研究了基于小波阈值的语音增强方法。重点针对小波阈值去噪法中关于小波基、小波分解层数、阈值及阈值函数四个关键参数的合理选取问题,进行了系统深入的研究。阈值函数体现了对小波系数的不同处理策略,对小波去噪的效果有很大影响。目前,在实际中广泛使用的是硬阈值函数和软阈值函数。这两种方法先天都存在着不足,硬阈值函数是不连续的,这会导致去噪后的信号出现伪Gibbs现象,信号中仍然含有明显的噪声;采用软阈值方法虽然连续性好,但估计的小波系数与含噪信号的小波系数之间存在恒定的偏差。由此,本文针对小波阈值去噪法中软、硬阈值函数的不足,提出了一种新的阈值函数,不仅克服了硬阈值函数不连续的缺点,而且解决了软阈值函数存在恒定偏差的问题。通过实验仿真证明,使用本文改进后的阈值函数进行语音去噪,能有效去除语音信号中含有的白噪声,在信噪比指标上明显优于传统的阈值函数方法,可获得更好的去噪效果,与传统的阈值函数法相比具有明显优越性和有效性。通过基于对小波阈值去噪法的大量研究,设计并实现了一个抗噪性能较好的语音指令控制系统。论文从语音信号的预处理、小波语音增强、端点检测、语音特征提取、HMM训练以及识别等几个方面详细的分析了语音识别系统的设计过程。