本研究针对包含多类噪声，如背景噪声、突发噪声与带状噪声的复杂音频信号，提出了一种结合小波变换与 BP
神经网络的噪声识别方法，并设计了具有自适应能力的多阶段降噪算法。通过连续小波变换与离散小波变换提取时频特征，
利用构建的 BP 神经网络对噪声类型进行多标签识别与量化。在此基础上，根据不同噪声类型的特征参数，分别应用谱减法、
小波阈值去噪与带阻滤波器等方法实现自适应降噪。实验结果显示，模型在处理两个音频样本时均能有效识别噪声类型，
降噪后信噪比分别得到提升，频谱图与波形图对比进一步验证了降噪效果与语音清晰度的改善。本方法适用于复杂噪声环
境下的语音增强任务，具备良好的准确性与鲁棒性。
