在语音通信中,通信双方的语音经常会受到其他讲话者、汽车鸣笛声等噪声的干扰,这样就增加了接收方辨别语音信息的难度。如何有效的降低环境噪声造成的影响,提高语音的清晰度,就成为人类亟需解决的现实问题。随着科技的飞速发展,语音信号的去噪研究也在不断的进步,并在很多领域得到了应用。为了满足人们对语音信号去噪的需求,小波变换理论被引入到信号处理技术中。它拥有的时频局部细化、多分辨率分析等独特的性能,就决定了它在语音信号去噪处理方面的优势是无法超越的。本文从语音信号去噪的现状及应用前景入手,首先分析了小波变换的发展历程、基本理论和特性；其次对小波变换的模极大值重构滤波、空域相关滤波和阈值去噪三大类常用滤波方法进行了总结；然后重点研究了小波阈值去噪法,并针对该算法中的分解尺度、小波基函数、阈值和阈值函数几个影响去噪效果的参数进行了详细探讨和实验仿真,最终选出了最合适语音信号处理的参数因子。通过对小波参数选取实验及测试数据分析,得出结论：该算法的阈值函数的选取直接影响到小波重构信号的精度和连续性。虽然传统的硬阈值函数应用简单、方便,但是其阈值函数不连续导致去噪效果并不十分理想,容易使滤波后的信号出现Pseudo-Gibbs现象,而软阈值函数虽然是连续的,但是其滤波后的系数与原系数间的固定差值,容易造成高频信息的缺失。在此基础上,本文重点研究了双曲阈值函数、μ律阈值函数和Garrote阈值函数这三种常用的改进算法,引入分解尺度,提出了一种基于分解尺度和基于Garrote函数的两种新算法,并从数学理论上推导出新算法的可靠性。最后,通过Matlab仿真实验平台,将两种新算法与文中提到的几种滤波方法进行了比较,信噪比曲线显示,经新算法去噪处理后,信噪比有了较大幅度的提高；由此可知,经新阈值函数去噪处理后,可以得到更清晰的语音信号,达到了预期的效果。