小波变换去噪python_小波去噪方法及步骤_小波去噪方法的比较

本文主要介绍小波分解与重构法、非线性小波变换阈值法、平移不变量小波法以及小波变换模极大值法这4种常用的小波去噪方法。将它们分别用于仿真算例的去噪处理，并对这几种方法的应用场合、去噪性能、计算速度和影响因素等方面进行比较。

选择了Matlab软件中的仿真信号Blocks作为原始信号，信号长度（即采样点数）N=2048，如图1a所示。由于该信号中含有若干不连续点和奇异点，因此用以下几种方法对图1b中叠加了高斯白噪声的Blocks信号（信噪比为7）进行去噪处理，能够很清楚地比较出这几种方法的去噪性能。

图1 原始信号和含噪信号的时域波形

一、小波去噪方法

1、小波分解与重构法去噪

小波分解与重构的快速算法，即Mallet算法。据这一算法，若fk为信号f（t）的离散采样数据，fk=c0，k，则信号f（t）的正交小波变换分解公式为：

其中，cj，k为尺度系数;dj，k为小波系数;h、g为一对正交镜像滤波器组（QMF）;j为分解层数;N为离散采样点数。

小波重构过程是分解过程的逆运算，相应的重构公式为：