本文分别对基于傅立叶变换和小波变换的几种经典去噪处理方法进行了分析、比较，讨论了它们各自的应用范围，进而提出了基于高谱分辨率的谱减法和基于后验信噪比的自适应小波阈值去噪方法。论文最后研究了去噪方法在孤立词识别系统中的应用。 谱减法主要包括两个部分：噪声估计和谱相减。常用的噪声估计一般是采用语音检测方法把语音和背景噪声区分歼来，取噪声段的谱平均作为噪声谱的估计。通常噪声帧和带噪语音帧具有相同的长度且都是短时帧，对短的噪声帧和带噪语音帧做傅立叶变换得到的谱分辨率低导致谱减法性能下降严重。论文研究和分析了传统谱减法，并针对传统谱减法的上述问题，提出了一种新的基于高谱分辨率的谱减法，该方法在基于平稳或接近于平稳的背景噪声下合并所有噪声帧，再做傅立叶变换以提高噪声的谱分辨率；通过对带噪语音信号在时域进行前向和后向的延拓，再做傅立叶变换以提高带噪语音信号的谱分辨率。实验证明文中提出的基于高谱分辨率的谱减法在有效抑制噪声的同时减少了语音谱的失真。 小波去噪的一个重要问题是阈值的选取，阈值的选取直接关系到去噪效果的优劣。如果阈值选取过小，那么有一部分的噪声小波系数将不能被置为零，从而在去噪后的信号中保留了部分噪声信息，使得去噪效果变差；如果阈值选的偏大，则会将一部分有用信号去掉，使得去噪后的信号丢失信息。因此，在去噪的过程中如何更有效地进行阈值选取，使得噪声被去除的同时尽可能的避免有用信号的丢失，是一个值得研究的问题。论文在分析小波变换去噪原理和方法的基础上，针对上述问题进行了系统深入的讨论，提出了基于后验信噪比的自适应小波阈值去噪方法，并通过计算机编程进行了仿真实验。 最后为了客观评价本文提出方法的有效性和检验其在实际应用中的性能，论文给出了一个基于动态时间归整的孤立词识别系统，在此系统上采用文中提出的去噪方法对带噪语音做前端预处理，通过系统的识别率来验证去噪方法的有效性。