در بررسی و کار با سیستم های پردازش سیگنال، اغلب مشکلی ناخواسته به نام نویز وجود دارد. نویز زمینه که در بیشتر موارد، آمیخته با انواع سیگنال ها به ویژه سیگنال های گفتار بوده و در کارایی سیستم های پردازش سیگنال و گفتار اختلال ایجاد می کند. منابع آکوسیتیکی بسیاری باعث تولید نویز می گردد. از آن جمله می توان به صدای مکالمه های زمینه، صدای تولید شده توسط سیستم تهویه و سیتم های دیگری که در اطراف از آن استفاده می شوند اشاره کرد. بنابراین پیداکردن روشی مناسب برای کاهش و حذف نویز، حفظ ساختار اصلی سیگنال می باشد. به طوری که سیگنال بهبود یافته، نسبت به سیگنال اصلی دچار تغییر شکل و جابجایی نشود. در این پایان نامه روشی برای بهبود کاهش نویز از سیگنال گفتار آلوده ارائه می گردد. اساس این روش بر پایه تجزیه مقادیر منفرد (الگوریتم های svd و gsvd) می باشد که در حوزه زمان عمل می کند. در این راستا با تعریف یک تابع هدف جدید و استفاده از الگوریتم ژنتیک به عنوان یک موتور جستجوی هوشمند، عملکرد الگوریتم های مذکور بهینه می گردند. الگوریتم ژنتیک با پیدا کردن مناسب ترین پارامترهای مورد نیاز الگوریتم های svd و gsvd، جهت بهینه سازی حذف نویز کمک می نماید. الگوریتم های نوشته شده، ga-svd و ga-gsvd در جهت بهینه سازی حذف نویز کمک می نماید. الگوریتم های نوشته شده ، ga-svd و ga-gsvd نام گذاری شده اند. در این پایان نامه ابتدا الگوریتم ga-svd روی سیگنال آلوده به نویز سفید اعمال می گردد. سیگنال های تمیز از دادگان aurora انتخاب می گردند. در طیف فرکانسی سیگنال های بهبود یافته، نویز تا حد زیادی کاهش می یابد. به عنوان نمونه، این الگوریتم میزان snr را در سیگنال های مذکور به طور میانگین 7/5 db و در بهترین حالت 9 db بهبود می بخشد. سپس این الگوریتم روی سیگنال های آلوده به نویز رنگی با اضافه کردن یک مرحله سفید کردن پیاده می شود. در این سیگنال ها مقدار snr به اندازه کافی بهبود نمی یابد. برای حل این مشکل الگوریتم ga-gsvd بر روی سیگنال های آلوده به نویز رنگی اعمال می گردد. این الگوریتم بدلیل نهفته بودن مرحله سفید کردن در درون خود، نسبت به روش قبل از دقت بالاتری برخوردار است و میزان snr را به طور میانگین 5/6 db و در بهترین حالت 5/7 db افزایش می دهد. نتایج بدست آمده نشان می دهد که الگوریتم های ارائه شده در بهبود کیفیت سیگنال آلوده و حذف نویز آن عملکرد مناسبی دارند.