分别运用软阈值、硬阈值处理方法处理含噪语音信号。取样点数为9000，采样率11025Hz的语音信号

以下是分别运用软阈值、硬阈值处理方法处理含噪语音信号的示例：

1. 导入语音数据：使用matlab内置函数audioread()将语音数据导入到matlab中。

[s, Fs] = audioread('noisy_speech.wav');

2. 对语音信号进行小波分析：使用matlab内置函数wavedec()进行小波分析，得到各个尺度的小波系数和小波函数。

[C, L] = wavedec(s, 5, 'db4');

其中5表示小波分解的尺度，'db4'表示选择的小波类型。

3. 消噪处理：对小波系数进行软阈值处理或硬阈值处理，以达到去噪的效果。

软阈值处理：

thr = 0.1; % 设定阈值为0.1
S_soft = wthresh(C, 's', thr);

其中's'表示软阈值处理方式。

硬阈值处理：

thr = 0.1; % 设定阈值为0.1
S_hard = wthresh(C, 'h', thr);

其中'h'表示硬阈值处理方式。

4. 重构处理：使用matlab内置函数waverec()对处理后的小波系数进行重构，得到去噪后的语音信号。

软阈值处理：

s_denoised_soft = waverec(S_soft, L, 'db4');

硬阈值处理：

s_denoised_hard = waverec(S_hard, L, 'db4');

5. 分析处理结果：对去噪后的语音信号进行分析，如声音质量、语音清晰度等评估。

soundsc(s, Fs);
pause(5);
soundsc(s_denoised_soft, Fs);
pause(5);
soundsc(s_denoised_hard, Fs);

通过比较原始语音信号和去噪后的语音信号，可以评估去噪效果的好坏。需要注意的是，阈值的设定会对去噪效果产生影响，需要根据具体情况进行调整。