基于奈氏准则的传统数字信号处理方法,需要以大于信号带宽两倍的速率对其进行采样。面对海量待处理信息,数字化采样将会得到大量的采样数据,通信传输中给本来就紧缺的频带资源带来了很大的压力。另一方面,在传输之前往往需要对这些采样数据进行压缩编码,这样做反过来又浪费了大量的采样资源。针对这个问题,近年来压缩感知作为一种新颖的压缩采样技术另辟蹊径,受到人们广泛关注,它不再受限于信号带宽,可以以远低于奈氏采样率的速率对信号进行采样,同时实现对信号的压缩,大大节省了采样资源和通信的频带资源,降低了传输成本。压缩感知技术是一种稀疏信号处理技术,由于语音信号是近似稀疏的,可以将压缩感知技术与语音信号相结合。本文基于语音的稀疏性,研究语音压缩感知系统,着重研究语音压缩感知系统中的消噪技术,这是压缩感知技术实用化必须解决的关键问题。本文的主要创新和研究内容如下:首先,本文详细介绍了CS技术及语音CS理论,在验证了语音信号的稀疏性后,研究了语音压缩感知的稀疏表示、观测矩阵和重构算法三个基本理论问题。然后结合实际,侧重讨论了噪声对语音压缩感知系统各部分的影响,并用实验进行了仿真。本文第二部分根据语音信号与高斯白噪声信号在DCT域具有不同的稀疏性,采用对语音压缩感知具有一定鲁棒性的行阶梯矩阵对含噪语音进行压缩测量,针对传统OMP算法难以实现语音增强且迭代速度慢等缺点,提出了一种MOMP算法,它通过设置相关性阈值与能量阈值双重阈值,控制OMP算法的重构阶段及迭代次数,较好的抑制了噪声分量的重构,提高了输出信噪比的同时减少了重构时间。最后,本文针对稀疏表示去噪方法会产生残留噪声的缺点,采用原子筛选方法去除残留噪声;针对BPDN算法中参数?取经验值重构性能不佳的缺点,提出了可以使参数?随着输入信噪比自适应调节到最优的MBPDN算法;最后将原子筛选方法应用于含噪语音压缩感知系统中,结合MBPDN重构算法,提出了一种基于过完备稀疏字典的语音消噪技术。实验结果表明所提方案对白噪声和有色噪声都有着较好的抑制作用。