从样本信息估计未知密度函数，是一个反卷积问题.在反卷积问题中，我们通常假定噪声是独立同分布的.但在实际应用中，这个条件很难满足，因此，本文利用小波方法研究一类具有不同分布的加法噪声密度函数的最优估计.具体地，我们针对Besov空间中的密度函数，构造小波估计器，并给出该估计器在Lp风险意义下的最优收敛阶.　　由于具有各项异性噪声反卷积问题在信号处理、生物、医学、经济等学科中有着重要作用，Delaigle和Meister[42]以及Chesneau[43]等人在这方面做了大量的工作.在他们工作的基础上，本文做进一步的推广和创新.首先，在第二章给出任一密度估计器在Lp(p≥1)风险意义下收敛阶的下界;第三章构造线性小波估计器，并研究其在Lp风险意义下的收敛阶.结果表明:当r≥p时，线性小波估计器达到最优;当r＜p时，线性小波估计器没有达到最优.　　受Dohono等人[30-31]工作的启发，第四章利用小波阈值方法构造硬阈值非线性小波估计器，给出其在Lp风险意义下的收敛阶.结果表明:当1＜r＜(2β+1)p/2s+2β+1时，非线性估计达到最优;当r≥(2β+1)p/2s+2β+1时，在相差lnn因子的情况下达到最优，即它是次优的.