由于人们在语音通信过程中不可避免地会受到来自周围环境、传输媒介引人的噪声,通信设备内部电噪声,乃至其它讲话者的干扰。这些干扰最终将使接收者接受到的语声已非纯净的原始语音信号。因此,语音抗噪技术就成为数字信号处理的重要组成部分。本文研究了谱减法的一般方法,在此基础上,论文提出了采用过零率的方法来确定带噪语音在语音间歇段的噪声功率谱,利用最小二乘法原理得到其它帧的噪声功率谱估计值。从带噪语音功率谱中减去噪声功率谱的估计值得到纯净语音功率谱。结合此功率谱值和原始的相位信息重建语音信号。仿真结果表明,算法在去除背景噪声的同时,保证了较小的语音失真,且很好的抑制了音乐噪声。小波分析由于能同时在时域和频域中对信号进行分析,所以它能有效地实现对信号的去噪。阈值的选择直接关系到语音去噪的效果,因此,本文提出了改进小波阈值函数的方法,该方法能够在自适应搜寻最佳阈值的的基础上满足对时变信号的实时处理,实验表明,该方法能有效地去除噪声,同时重构信号能较好地表示原始语音。由于谱减法和小波阈值去噪受噪声的影响较大。本文研究了一种不依赖于噪声估计的语音识别抗噪方法,该方法是基于隐马尔可夫能够有效地提取时序特征和小波神经网络能够细分类的基础上的,通过实验表明该方法在不同的信噪比的情况下比传统的隐马尔可夫(HMM)的识别率更高,在低信噪比的情况下效果更为明显。