音频滤波笔记之小波阈值滤波器

小波阈值滤波算法

小波阈值滤波原理

对信号进行小波分解时，系数分解为近似小波系数（信号的低频成分）和细节小波系数（信号的高频成分）。
小波阈值去噪方法认为，信号中的噪声存在于高频成分之中，因此，对于细节小波系数作阈值收缩处理，再将个小波系数进行组合重构就得到去噪后的信号。

小波阀值去噪的基本思想是将信号通过小波变换（采用Mallat算法）后，信号产生的小波系数含有信号的重要信息，将信号经小波分解后小波系数较大，噪声的小波系数较小，并且噪声的小波系数要小于信号的小波系数，通过选取一个合适的阀值，大于阀值的小波系数被认为是有信号产生的，应予以保留，小于阀值的则认为是噪声产生的，置为零从而达到去噪的目的。

从信号学的角度看 ,小波去噪是一个信号滤波的问题。尽管在很大程度上小波去噪可以看成是低通滤波 ,但由于在去噪后 ,还能成功地保留信号特征 ,所以在这一点上又优于传统的低通滤波器。由此可见 ,小波去噪实际上是特征提取和低通滤波的综合 ,其流程图如下所示：

$$S(k)=f(k)+\epsilon \ast e(k),k=0,\mathrm{1......}n-1$$

其中 ,f( k)为有用信号,s(k)为含噪声信号,e(k)为噪声,ε为噪声系数的标准偏差。

假设，e(k)为高斯白噪声,通常情况下有用信号表现为低频部分或是一些比较平稳的信号,而噪声信号则表现为高频的信号,我们对 s(k)信号进行小波分解的时候,则噪声部分通常包含在HL、LH、HH中,如下图所示，只要对HL、LH、HH作相应的小波系数处理,然后对信号进行重构即可以达到消噪的目的。

我们可以看到，小波去噪的原理是比较简单类，类似以往我们常见的低通滤波器的方法，但是由于小波去找保留了特征提取的部分，所以性能上是优于传统的去噪方法的。

小波去噪的基本方法

一般来说， 一维信号的降噪过程可以分为 3个步骤：

• 信号的小波分解： 选择一个小波并确定一个小波分解的层次N，然后对信号进行N层小波分解计算。
• 小波分解高频系数的阈值量化： 对第1层到第N层的每一层高频系数（三个方向）， 选择一个阈值进行阈值量化处理࿰