訊號去噪實質上是抑制訊號中的無用部分，增強訊號中的有用部分的過程。訊號去噪的過程一般可分為以下3個步驟：
(1)一維訊號的小波分解。選擇乙個小波並確定分解的層次，然後進行分解計算。
(2)小波分解高頻係數的閾值量化。對各個分解尺度下的高頻係數選擇乙個閾值進行軟閾值量化處理。
(3)一維小波重構。根據小波分解的最底層低頻係數和各層高頻係數進行一維小波重構。
以上3個步驟中，最關鍵的是如何選擇閾值以及進行閾值量化，在某種程度上，它關係到訊號去噪的質量。一般去噪處理有3種方法：
(1)預設閾值去噪處理。該方法利用函式ddencmp()生成訊號的預設閾值，然後利用函式wdencmp()進行去噪處理。
(2)給定閾值去噪處理。在實際的去噪處理中，閾值往往可通過經驗公式獲得，且這種閾值比預設閾值的可信度高。在進行閾值量化處理時可利用函式wthresh()。
(3)強制去噪處理。該方法是將小波分解結果中的高頻係數全部置為0，即過濾掉所有高頻部分，然後對訊號進行小波重構。這種方法比較簡單，切去噪後的訊號比較平滑，但是容易丟失訊號中的有用成分。
例1：利用小波分析對汙染訊號進行去噪處理以恢復原始訊號，並對比三種去噪處理方法的特點。
傳統的傅利葉變換只能在頻域中對訊號分析，不能給出訊號的某個時間點上的變化情況，因此不能分辨出訊號在時間軸上的突變。小波分析能同時在時域內對訊號分析，能夠有效區分限號中的突變部分和雜訊，從而實現非平穩訊號的去噪。
例2：利用小波分析對非平穩訊號去噪。
% 利用小波分析對含早余弦訊號去噪
n = 100;
t = 1:n;
x = cos(0.5*t); % 生成余弦訊號
load noissin;
ns = noissin; % 新增雜訊
subplot(311);plot(t,x);title('原始余弦訊號');% 顯示波形
subplot(312);plot(ns);title('含噪余弦訊號');
xd = wden(ns,'minimaxi','s','one',4,'db3');
subplot(313);plot(xd);title('去噪後的波形訊號')
小波分解與小波包分解的區別
問 為什麼小波不能對高頻部分進行再次分解？而小波包就可以呢？急求大佬！答 真不明白為何會有此問？從計算和實現方式dwt和wp沒啥不同，當對dwt滴高頻部分再實行一次dwt就是wp了，通常滴一般應用只處理低頻即可滿足實際需要，通常對高頻過多滴處理被很多應用認為是不必和多餘滴，還可能會有雜訊和吉布斯效應...
小波分析與應用 聽課筆記
psi t in l r 模值平方小於無窮大 能量有限 int psi t dt 0 實際應用中，要求在時域和頻域，psi t hat w 快速衰減 訊號處理領域，乙個永恆的主題，就是要尋求訊號的簡潔的具有物理可解釋的表示方法。這樣就可以在變換域中，挖掘訊號的各種資訊。本質是，小波變換也是一種表示形...
小波分析 三 二維離散小波變換
宣告 該文為本人對小波的理解，不保證正確性與嚴謹性。參考 數字影象處理 gonzalez p317 在給定尺度函式 f x,y 離散函式可以分解為這四個函式不同尺度與位置的線性組合 2didwt 其中近似係數和細節係數分別如下 2ddwt 細節的階數越高，其尺度越小，越細緻，相當於傅利葉中的高頻部分...