近年来，随着通信技术的不断发展，音频信号的通信成为国内外研究的热点。在音频通信中，各类噪声的干扰是无法避免的，有些强大的噪声信号可能导致一个语音处理系统的性能急剧下降，甚至可以使系统瘫痪。语音降噪的研究在过去的30年发展迅速，并成为当前语音信号处理领域的研究热门课题之一。本文在研究分析现有的语言降噪技术的基础上，并在参考了文献[31]和[42]之后把子带自适应滤波器的方法应用到语音降噪之中，并完成了算法的仿真和在语音识别中的应用，最后通过对比实验得到实验数据和实验数据的分析。本文所做的主要工作内容如下。(1)在分析了语音降噪技术研究现状的基础上，对现有的语音降噪技术进行了分类，并把子带自适应滤波器的方法应用到语音降噪之中，然后对噪声的特性及其对语音识别的影响进行了研究和分析，并介绍了语音识别的关键技术。(2)研究分析了子带滤波器组的原理和组成部分，重点对滤波器组的完全重构条件进行了研究和分析，并对四种子带滤波器组进行了仿真实验。在简单介绍了语言质量评价方法的基础上，对四种滤波器组进行了对比分析，选取了Wavelet滤波器组作为本文方法的子带分解部分的滤波器组。(3)在分析研究了自适应滤波器的基础上，重点研究和分析了最小均方误差的性能，包括收敛性、收敛速度、稳态误差和计算量，且利用MATLAB仿真实验对最小均方误差和归一化最小均方误差进行了性能比较，设计完成了本文子带自适应滤波器，在收敛性能和计算复杂度方面比较了归一化最小均方误差和子带自适应滤波器，得到了子带自适应滤波器的收敛速度较快和计算复杂度较低的结论。(4)实现了子带自适应滤波器在语言识别系统中的应用。首先研究和实现了本文所用语音信号的采集，然后利用上面分析的语音识别方法实现了简单语音识别系统，并对语音识别中常用模板匹配方法(DTW算法)进行了优化，该算法和传统的DTW算法相比，减小了其模板匹配的区域，并用实验证明了在对系统的识别率影响不大的情况下，可以提高语音识别系统的识别速度。最后把子带自适应滤波器运用到语音识别系统中，对比实验证明子带自适应滤波器在语音识别系统中的具有较好的效果。