随着信息技术的发展,语音识别技术在人类生活的各个领域得到了越来越广泛的应用。由于训练环境与识别环境的不匹配,以及实际环境的复杂性,现有的语音识别系统在噪声情况下的识别性能都会发生急剧下降,这也直接影响了语音识别技术的大范围推广[1]。因此,语音识别预处理过程中的去噪技术研究,具有重要的理论和现实意义。传统的语音去噪方法多是基于傅里叶变换来对信号进行噪声抑制,但由于傅里叶变换的时频单一性,这种方法对于非平稳信号及复杂噪声下的信号去噪效果会大大降低。小波变换是20世纪80年代后期逐渐发展起来的一门新兴学科,它具有良好的时频局部化性质,可以对信号进行时频空间上的细致分析和处理,因此利用小波变换对非平稳信号进行去噪处理可以取得良好的效果[2]。本文从小波分析的基本理论出发,对小波去噪的基本原理和常见方法进行了深入的研究,并重点就小波阈值去噪法中的几个关键环节如小波基的选择,分解层数的选择和阈值函数的选择等问题进行了分析和探讨。进而在此基础上结合现有阈值函数及语音识别系统对信号降噪的特殊要求,提出了一种改进的基于分解尺度的小波阈值去噪算法。最后对该算法进行了一系列仿真实验来验证其去噪效果,并介绍了其在一个在线语音识别及翻译系统中的应用情况,总结了该算法的一些优缺点和未来改进方向。