在信号采集、传输和处理过程中,不可避免会含有噪声,直接影响后续处理的结果,因此如何对信号进行去噪处理,是目前信号处理领域中的国内外研究热点问题之一。目前关于信号去噪的方法很多,常用的去噪方法有基于傅立叶变换的信号去噪,由于傅立叶变换的时频单一性,信号的去噪效果较差。小波变换具有时域局部化特征、多分辨率特性、解相关特性和选基灵活性等特征,已广泛应用于雷达信号处理、语音识别、数据压缩、信号处理、模式识别、信号去噪等领域。针对不同的含噪信号,对七种常规小波基的去噪性能进行分析与实验比较,构造出基于结构化的9/7小波滤波器组和7/13小波滤波器组,并对其滤波器组进行性能分析比较。不同的小波基具有不同的时频特性,选择的小波基不同,对应的去噪的效果也不相同,所以在去噪过程中,小波基的选择,会直接影响小波去噪的效果,如何根据信号的特点选择最佳小波基,是目前国内外学者的研究的关键问题。针对现有小波基的不足,提出一种基于信号匹配的最优小波去噪方法。该方法根据信号在尺度空间的最大投影而构造的能量匹配准则,利用结构化小波滤波器组,结合遗传算法,构造出与信号能量一致的最优能量匹配小波。并根据波形匹配准则,结合结构化小波滤波器组,利用优化函数构造出与信号波形一致的最优波形匹配小波。实验确定结果表明,基于信号匹配的最优小波去噪方法的去噪效果优于其它小波。针对不同的信号去噪,除对不同小波基研究与最优小波基选取外,还要对基于小波分解层数的信号去噪进行了研究,发现小波分解层数与含噪信号的受污染程度存在一定关系。在实际的信号小波去噪过程中,不同的含噪信号,其小波分解层数不固定,且不同分解层数会对去噪效果产生很大的影响,针对这一问题,提出一种基于最优分解层去噪方法,该方法利用各个小波分解层的能量关系,即信噪比,结合优化算法来确定最优分解层进行去噪。实验确定结果表明,在它的最优分解层上的消噪效果达到了最佳。