一維信號的小波去噪

李姣軍，余景鵬，陶 金，賈智予

（重慶理工大學(xué)電氣與電子工程學(xué)院，重慶400054）

一維信號的小波去噪

李姣軍，余景鵬，陶 金，賈智予

（重慶理工大學(xué)電氣與電子工程學(xué)院，重慶400054）

去噪一直以來就是人們關(guān)注的話題，如何得到人們想要的較為純凈的信息是眾多學(xué)者的追求目標(biāo)。傳統(tǒng)的去噪方法難以克服自身的局限性，而小波分析在時域和頻域都具有良好的局部化的特性，迅速被應(yīng)用到許多領(lǐng)域并成為一個研究熱點。從小波變換原理、去噪原理和方法、閾值函數(shù)的選擇、去噪指標(biāo)等方面展開討論，最后對小波去噪有關(guān)問題提出一些展望。

小波去噪；小波分析；閾值函數(shù)

信號在采集、量化和傳輸過程中不可避免地會受到噪聲的干擾和影響，人們在接收時希望得到純凈的原始信號。如何剔除干擾信號一直是重要的研究課題。噪聲可以理解為妨礙人的視覺器官或系統(tǒng)傳感器對所接收信息進行理解或分析的各種因素。

傳統(tǒng)的傅里葉分析方法自身存在無法同時得到頻域和時域信息、處理非平穩(wěn)信號力不從心等缺點，因此人們將眼光瞄準(zhǔn)了短時傅里葉變換。但是著名的測不準(zhǔn)原理告訴我們，一旦窗函數(shù)選定下來，窗口的形狀和大小都將保持不變，時頻分辨率就隨之確定下來，很難與實際問題結(jié)合。因此，人們又把目光轉(zhuǎn)移到數(shù)學(xué)領(lǐng)域中的小波函數(shù)。

小波分析或多分辨率分析是繼傅里葉分析發(fā)展史后又一個里程碑，它在時域和頻域同時具有良好的局部化特性，常被譽為信號分析的“數(shù)學(xué)顯微鏡”［1－22］。小波分析的理論和方法在信號處理、數(shù)字水印、數(shù)據(jù)壓縮、信號降噪、語音分析、圖像處理、模式識別、量子物理等專業(yè)和領(lǐng)域得到廣泛的應(yīng)用［23－51］。

1 小波變換

一些非平穩(wěn)信號，如音樂信號、語音信號、圖像信號等，它們的頻域特性都是隨時間變化的。對于這類信號處理用Fourier變換進行分析只能知道頻域上的信息，但是不知道這些頻率信息出現(xiàn)在什么時候。為了更好地觀察信息出現(xiàn)在什么時候，也為了更好地觀察和研究信號的一些局部特性，需要對信號進行時－頻聯(lián)合分析，由此引進小波變換。

滿足式（1）稱函數(shù)f（t）為能量有限的信號。其傅里葉變換后滿足容許性條件：

其中?ψ（ω）為ψ（t）函數(shù)的傅里葉變換。

小波變換：

其中：ψa，b（t）為母小波（mother wavelet）；a為伸縮因子；b為平移因子。將母小波經(jīng)過伸縮和平移后就得到一個小波序列：

連續(xù)小波變換存在信息的冗余，在數(shù)字信號處理時很不方便，因此在實際問題中常常采用離散形式，即離散小波變換。離散小波變換是通過連續(xù)小波變換的伸縮因子和平移因子得到，具體過程參見文獻［50］。

2 去噪原理

小波變換具有時頻局部化特性、低熵性、多分辨率、去相關(guān)性、選基靈活性［2，4，7］，計算速度快，適應(yīng)性廣，在Besov空間中可以得到任何其他線性估計都達不到的最佳估計［6］，已經(jīng)在現(xiàn)代信號處理中得到了廣泛的應(yīng)用。

一般在實際問題中，原始信號通常表現(xiàn)為低頻或者平穩(wěn)信號，而噪聲表現(xiàn)為高頻或非平穩(wěn)信號［8］。含噪信號經(jīng)小波變換后的能量主要集中在少數(shù)小波系數(shù)上，噪聲經(jīng)過變換后仍然是白噪聲，系數(shù)存在不相關(guān)性，而且系數(shù)分布在整個小波域上，幅度基本保持不變。

小波變換是一種線性變換，對一個含有噪聲的原始信號進行小波變換，得到小波系數(shù)和噪聲系數(shù)。通常來說，信號變換后系數(shù)大小隨著分解層數(shù)的增加而增加或者不變，噪聲引起的系數(shù)隨著分解層數(shù)的增加而減少，因此可以通過小波變換來除噪。在信號的去噪過程中，如何在削弱噪聲的同時又最大限度地保留信號的奇異性特征是信號去噪研究的一個核心問題［1］。

3 去噪方法

傳統(tǒng)的去噪方法有純時域、純頻域、傅里葉變換、加窗傅里葉變換［34，36］。傳統(tǒng)的去噪方法主要是采用頻譜分析技術(shù)，其等價于信號通過一個低通或帶通濾波器濾去高頻部分。選取濾波器的時候，帶寬選得太窄則保留原信號特性很不理想，帶寬選得太寬則會把信號和噪聲一起濾掉，都會嚴(yán)重影響信號的質(zhì)量。小波變換自身具有時頻局部化特性，在分析信號細節(jié)時有獨特的優(yōu)勢。小波去噪技術(shù)隨著小波理論研究的不斷深入得到了豐富和發(fā)展［2］。

小波去噪方法主要包括小波分解與重構(gòu)、模極大值法、相關(guān)法、小波域閾值法、平移不變量法［4，12，54］等。

1）模極大值去噪法

定理1 設(shè)0≤α≤1，函數(shù)f（x）在［a，b］上有一致Lipschitz指數(shù)α的重要條件，當(dāng)且僅當(dāng)存在常數(shù)k＞0使得?x∈［a，b］，函數(shù)在2j尺度下小波變換滿足

兩邊取以2為底的對數(shù)得

α＞0時，模值隨著尺度j增大而增大；α＜0時，模值隨著尺度j增大而增小；α＝0時，模值隨著尺度j增大在尺度范圍幅度基本保持不變。信號的Lipschitz指數(shù)小波變換后信號系數(shù)和噪聲系數(shù)分別是增大和減小，具有不同的特性。除去幅度隨著尺度增大而減小的點，保留隨尺度增大而增大的點，然后將剩余的模極大值點用交替投影法進行重建，從而達到去噪的目的［39，47］。

模極大值去噪法主要適用于信號中混有白噪聲，且信號中含有較多奇異點的情況，計算量比較大，結(jié)構(gòu)復(fù)雜，例如不能對于脈沖信號采用此方法。

2）相關(guān)法

相關(guān)法的依據(jù)是各層的小波系數(shù)之間有很強的相關(guān)性，噪聲系數(shù)弱相關(guān)或不相關(guān)。

含噪信號的表達式為

自相關(guān)運算為

信號x（t）和噪聲e（t）之間無相關(guān)性，所以Rse和Res都約為0。噪聲的自相關(guān)Ree也比較小，含噪信號自相關(guān)運算后主要由Rss（t）決定，從而達到去噪的目的。

3）小波閾值法

小波萎縮方法分成2類：小波閾值萎縮法和小波比例萎縮法［27］，前者將大于閾值的小波系數(shù)保留，再用閾值函數(shù)估計小波系數(shù)，小于閾值的小波系數(shù)置為0；后者則是通過不同的方法來確定萎縮比例。

小波閾值去噪是D.L.Donoho［37］在1992年提出的一種簡潔有效的去噪方法。其思想是：信號的能量一般聚在少數(shù)幾個小波系數(shù)上，且幅值較大，噪聲能量分布在整個小波閾上，系數(shù)幅度較?。豢梢栽O(shè)定一個門限值，認(rèn)為大于該值的系數(shù)是貢獻于原始信號，而小于該值的系數(shù)認(rèn)為貢獻于噪聲；通過一定的閾值函數(shù)，把小于閾值的系數(shù)置0或者收縮。

閾值去噪通常有3步：①選取小波基和分解層數(shù)，對信號進行正交小波變換得到小波系數(shù)Wj，k；②選取合適的閾值規(guī)則和閾值函數(shù)，然后進行系數(shù)處理，得到估計小波系數(shù)；③將估計小波系數(shù)和沒有處理的小波系數(shù)重構(gòu)信號，得到比較純凈的信號，從而達到去噪的效果。閾值的選取直接影響到最終的去噪效果，如何最大限度去除噪聲的同時保留信號的原始特征是去噪過程中的一個難點［6］。

小波域閾值濾波方法因其實現(xiàn)簡單、計算量最小、去噪效果好等優(yōu)點，所以應(yīng)用較廣，能很好地保留反映原始信號的突變點，但是去噪的穩(wěn)定性依賴于原始信號，選取閾值時還需要一定的統(tǒng)計學(xué)知識來估計噪聲方差。小波閾值去噪流程見圖1。

圖1 小波閾值去噪流程

4）平移不變量法［51］

Donoho閾值去噪方法應(yīng)用很廣泛，但是在信號的不連續(xù)點用此法會出現(xiàn)偽吉布斯（pseudo－Gtibbs）現(xiàn)象，即不連續(xù)點附近的信號會在一個特定的目標(biāo)水平上下跳變，平移不變量法是在閾值法基礎(chǔ)上改進的［50］，能有效地抑制該現(xiàn)象。

該方法的思想是［51］：通常是對信號進行n次循環(huán)平移，獲得一個時域上與原始信號具有一定的相位差的信號，然后將得到的信號進行去噪處理，再對去噪后的結(jié)果做反向平移，再進行平均，這就是“平移—去噪—反向平移—平均”的平移不變量法。

4 小波閾值去噪涉及問題

4.1 模型

一維信號去噪模型為

其中：x（t）為原始信號；y（t）為含噪聲信號；e（t）噪聲信號高斯白噪聲服高斯分布（0，σ2），其中σ為噪聲標(biāo)準(zhǔn)方差。信號消噪的目的就是抑制信號無用部分，增強有用部分。

小波基選擇要滿足能量匹配和波形匹配［41］。小波分解層數(shù)的確定利用每一層的信噪比，如果第i層的信噪比比i－1大，同時也比第i＋1層大，則認(rèn)為第i層為最佳分解層數(shù)。

4.2 準(zhǔn)則

常見經(jīng)典準(zhǔn)則見文獻［8，9，51］。

1）Visushink閾值。Donoho和Johnstone已經(jīng)從統(tǒng)計學(xué)的角度證明，噪聲幅度值小于概率很大，通常取閾值

2）固定的閾值形式（sqtwolog）。得到最小極大方差乘以系數(shù)（N是信號長度）得到閾值。

3）最小極大方差閾值（minimaxi）和sqtwolog一樣，也是固定的閾值，計算公式為

基于史坦（stein）無偏估計（SURE）的軟閾值估計給定一個λ得到它的似然估計。

4）信號x（k）為一個離散時間序列，k＝1，2，…，n，令信號y（k）為的升序列，再令，閾值th的計算公式為

5）選擇啟發(fā)式閾值（heursure）是將sqtwolog和rigrsure綜合。若信噪比較大就采用固定閾值，信噪比較小則采用無偏閾值。小波系數(shù)的平方用表示，則得到的閾值為

4.3 閾值

小波域閾值法又稱為小波收縮（萎縮），1992年Donoho等［37］提出該方法。此法實現(xiàn)簡單，閾值通常分為軟閾值和硬閾值以及改進的閾值（有些文獻稱為半軟閾值）。

硬閾值：

軟閾值：

5 去噪質(zhì)量評價

目前常用的有兩種方法：主觀評價法和客觀評價法［40－41］。主觀評價法會受評價人的影響，人們通過視覺、聽覺等方面判斷信號在去噪質(zhì)量方面是否滿足人們要求，結(jié)論往往會帶有一定的主觀性，但有時候也可以作為一種理性的判斷依據(jù)。客觀評價法是要求建立質(zhì)量指標(biāo)體系，通過不同的指標(biāo)來判定去噪以后的效果。不同的實際問題對于去噪要求不同，所以在衡量去噪信號的質(zhì)量時采用不同的指標(biāo)，但是特定的指標(biāo)不能很好地判斷去噪效果。因此，在實際問題中，經(jīng)常將主觀與客觀兩種方法相結(jié)合。

信噪比（SNR）［16］是指有用信號功率與噪聲功率之比值：

均方根誤差（RMSE）［16］是指觀測值與真值偏差的平方和與觀測次數(shù)N之比值的平方根：

相鄰兩級的信號均方根差變化量為［30］：

其中v（M）反映了相鄰兩級分解與重構(gòu)數(shù)據(jù)信號的相似程度。評價準(zhǔn)則為均方根差變化量越接近0越好。

信號的熵E（Entropy）［52］定義為

其中pi信號第i段的概率。熵表示信號信息量的大小，熵越大說明信息量越大，去噪效果越好。

局部峰值相對誤差（LREPV）［1］用于衡量原始信號的奇異性保留情況，定義為局部峰值相對誤差的平均值：

式中：Vi為原始信號某一段局部峰值；Vj為去噪后信號的同樣一段局部峰值。一般認(rèn)為局部峰值相對誤差越小去噪效果越好。

平滑度（R）［27，30］是指小波去噪后信號的差分?jǐn)?shù)的方差根與原始信號差分?jǐn)?shù)的方差根之比：

其中：f（i）為原始信號；f～（i）為去噪以后的信號。平滑度越小表明去噪效果越好。

互相關(guān)系數(shù)［30］表示兩個變量之間的相關(guān)性：

其中：x為原始信號；y為去噪以后信號；cov（x，y）表示協(xié)方差；DX為原始信號的方差；DY為去噪后信號的方差?；ハ嚓P(guān)系數(shù)越接近1表示去噪效果越好。

信噪比增益［31］指小波去噪后的信噪比與去噪前的原始信噪比的比值：

其中：SNRc為輸出信噪比；SNRr為輸入信噪比。一般認(rèn)為信噪比增益越大則去噪效果越好。

上述指標(biāo)在信號噪聲幾乎沒有除去的時候，信噪比的值很大，均方根誤差的值很接近0，互相關(guān)系數(shù)很接近1，使我們錯誤地認(rèn)為去噪效果很好，所以指標(biāo)都存在一定的局限性，為此引出下面綜合指標(biāo)。

綜合指標(biāo)［30－32］：均方根差變化量、信噪比、平滑度以及互相關(guān)系數(shù)等度量指標(biāo)。把每個指標(biāo)統(tǒng)一規(guī)化到［0，1］區(qū)間。

信號均方根差變化量歸化公式為

互相關(guān)系數(shù)歸化公式為

信噪比歸化公式為

平滑度歸化公式為

其中：max表示最大值；min表示最小值。

將各評價指標(biāo)歸化值相加得到總體評價指標(biāo)H（M）：

總體評價指標(biāo)H（M）越大則去噪效果越好。

本文只討論一維信號的去噪指標(biāo)，在衡量二維信號去噪質(zhì)量時可以用均方差MSE、峰值信噪比PSNR、平均絕對誤差MAE指標(biāo)，具體公式和意義參考文獻［5］。

6 結(jié)束語

小波去噪涉及許多去噪方法，其中小波閾值去噪實用較廣，涉及小波基、分解層數(shù)確定、閾值選擇、閾值函數(shù)的選擇、去噪指標(biāo)評價等有關(guān)問題。目前閾值選擇有多種多樣的原則，閾值函數(shù)的選擇也各不一樣，去噪指標(biāo)也不能很好地判定去噪效果，很多時候都是停留在實驗仿真。

［1］ 吳光文.王昌明.包建東，等.基于自適應(yīng)閾值函數(shù)的小波閾值去噪方法［J］.電子與信息學(xué)報，2014，36（6）：1340－1347.

［2］ 郭蔚，陳雅頌.自適應(yīng)聯(lián)合小波去噪算法［J］.吉林大學(xué)學(xué)報（信息科學(xué)版），2007，25（2）：145－150.

［3］ 李加升，黃文清.基于自定義閾值函數(shù)的小波去噪算法［J］.電力系統(tǒng)保護與控制，2008，36（19）：21－24.

［4］ 袁開明，舒乃秋，孫云蓮，等.基于閾值尋優(yōu)法的小波去噪分析［J］.武漢大學(xué)學(xué)報（工學(xué)版），2015，48（1）：74－80.

［5］ 董雪，林志賢，郭太良.基于LOG算子改進的自適應(yīng)閾值小波去噪算法［J］.液晶與顯示，2014，29（2）：275－280.

［6］ XU Y S，WEAVER J B，HEALY D M，et al.Wavelet transform domain filters：a spatially selective noise filtration technique［J］.IEEE Trans on image processing，1994，3（6）：747－758.

［7］ 劉時華，張亞.基于小波分析對信號噪聲的處理及應(yīng)用［J］.機械工程與自動化，2015（1）：84－85，88.

［8］ 蘭蕓，樊可清.基于小波閾值去噪方法的研究［J］.科技信息（科學(xué)教研），2008（2）：209－210.

［9］ 鐘建軍，宋健.基于信噪比評價的閾值優(yōu)選小波去噪法［J］.清華大學(xué)學(xué)報（自然科學(xué)版），2014，54（2）：259－263.

［10］潘泉，戴冠中.基于閾值決策的子載波域去噪方法［J］.電子學(xué)學(xué)報1998（1）：115－117，121.

［11］王博，潘泉.基于子波分解的信號濾波算法［J］.電子學(xué)報，1999（11）：72－74.

［12］文莉，劉正士，葛運建.小波去噪的幾種方法［J］.合肥工業(yè)大學(xué)學(xué)報（自然科學(xué)版），2002，25（2）：167－172.

［13］DONOHO D L，YU T P Y.Robust nonlinear wavelet transform based on median interpolation［J］.Conference Record of the Thirty-First Asilomar Conference on.IEEE，1997（1）：75－79.

［14］JOHNSTONE IM，SILVERMAN BW.Wavelet threshold estimators for data with correlated noise［J］.Journalof Royal Statistical Society Series B，1997，59（2）：319－351.

［15］康瑞芳，吳和吉，邸繼征.小波去噪在分類問題上的應(yīng)用［J］.山西師范大學(xué)學(xué)報（自然科學(xué)版），2014，28（4）：16－20.

［16］蘇成志，陳洪印，孟凡一，等.新閾值二進小波去噪算法在齒輪信號中的應(yīng)用［J］.計算機工程與應(yīng)用，2014，50（18）：206－209.

［17］張磊，潘泉，張洪才，等.小波域濾波閾值參數(shù)c的選?。跩］.電子學(xué)報，2001（3）：400－402.

［18］DAUBECHIES I.The wavelet transform time frequency ocalization and signal analysis［J］.IEEE Trans.Information.Theory，1990，36：961－1005.

［19］LANGM，GUO H，ODEGARD JE，et al.Nonlinear processing of a shift invariant DWT for noise reduction［C］／／Proceeding of SPIE Conference.Orlan do：［s.n.］，1995.

［20］MALLAT S，HWANG W L.Singularity Detection andProcessing with Wavelets［J］.IEEE Transactions on Information Threoy，1992，38（2）：617－643.

［21］DONOHO D L.Denoising by Modified soft-Threshold［J］.IEEE Trans on IT，2000，63：760－762.

［22］唐曉初.小波分析及其應(yīng)用［M］.重慶：重慶大學(xué)，2006.

［23］孫斌，周云龍，關(guān)躍波，等.氣液兩相流壓差波動信號小波去噪中閾值規(guī)則的確定［J］.信號處理，2006，22（1）：96－99.

［24］MALLAT S.Theory for Multiresolution signal decomposition：The wavelet representation［J］.IEEE Transaction on pattern analysis and machine intelligence，1989，11（7）：674－693.

［25］李冠，吳盡昭，范明鈺.基于小波的信號去噪分析［J］.通信技術(shù)，2010，9（43）：79－81，84.

［26］DOWNIE TR，SILVERMAN BW.The discrete multiple wavelet transform and thresholding methods［J］.IEEE Trans.on singnal Processing，1998，46（9）：2558－2561.

［27］謝杰成，張大力，徐文立.一種小波去噪方法的幾點改進［J］.清華大學(xué)學(xué)報（自然科學(xué)版），2002，42（9）：1269－1272.

［28］劉宗昂，楊莘元，王麗安.一種新的小波去噪算法［J］.彈箭與制導(dǎo)學(xué)報，2009，29（1）：286－289.

［29］陳錦，張晗博，殷奕，等.一種新的小波閾值去噪方法研究［J］.信息化研，2014，40（3）：13－17.

［30］朱建峰，郭偉劍，劉俊邦，等.小波變換在多層復(fù)合材料的超聲波檢測中的應(yīng)用［J］.四川兵工學(xué)報，2014（7）：67－70.

［31］吳秀君.改進提升小波閾值算法在信號去噪中的應(yīng)用［J］.激光雜志，2014（8）：15－18.

［32］朱建軍，章浙濤，匡翠林，等.一種可靠的小波去噪質(zhì)量評價指標(biāo)［J］.武漢大學(xué)學(xué)報（信息科學(xué)版），2015，40（5）：687－694.

［33］李榮祥，馬春庭，程翔，等.一種新的小波閾值法在語音信號處理中的應(yīng)用［J］.四川兵工學(xué)報，2008，29（3）：45－47.

［34］陶珂.小波去噪質(zhì)量評價方法研究［D］.長沙：中南大學(xué)，2012.

［35］趙瑞珍.小波理論及其在圖像、信號處理中的算法研究［D］.西安：西安電子科技大學(xué)，2001.

［36］彭園園.小波分析在一維信號去噪中的應(yīng)用［D］.北京：北京郵電大學(xué)，2011.

［37］DONOHOD L.Denoising by soft Thresholding［J］.IEEE Transaction onInformation，1995，41（3）：617－627.

［38］DONOHO D L，JOHNSTONE IM.Ideal spatial adaptation by wavelet shrinkage［J］.Biometrika，1994，81（3）：425－455.

［39］洪潔，王璐，舒軍勇，等.基于EMD小波閾值的表面肌電信號去噪研究［J］.重慶理工大學(xué)學(xué)報：自然科學(xué)版，2015，29（8）：124－128.

［40］潘泉，孟晉麗，張磊，等.小波濾波方法及應(yīng)用［J］.電子與信息學(xué)，2007，29（1）：236－242.

［41］佘鵬果.基于信號匹配和最優(yōu)分解層的小波去噪方法研究［D］.揚州：揚州大學(xué)，2014.

［42］張德豐.MATLAB小波分析［M］.北京：機械工業(yè)出版社，2009.

［43］GAO Hongye，BRUCE A G.Waveshrink and semisoft shrinkage［Z］.Stasci Research Report No.39，1995.

［44］ZHANG X P，DESAIM D.Thresholding neural network for adaptive noise reduction［J］.IEEE Trans on Neural Networks，2001，12（3）：567－584.

［45］章浙濤，朱建軍，匡翠林，等.小波包多閾值去噪法及其在形變分析中的應(yīng)用［J］.測繪學(xué)報，2014，43（1）：13－20.

［46］孟晉麗，潘泉，張洪才.基于相鄰尺度積系數(shù)的半軟閾值小波濾波［J］.電子與信息學(xué)報，2007，29（7）：1649－1652.

［47］陳莉明.基于改進小波閾值算法的信號去噪［J］.激光雜志，2015，36（3）：92－95.

［48］司清亮.基于4種改進閾值函數(shù)的小波去噪［J］.河南師范大學(xué)學(xué)報（自然科學(xué)版），2009，37（5）：140－142.

［49］DONOHOD L，JOHNSTONE IM.Adapting to unknown smoothness via wavelet shrinkage［J］.Journal of the American Statistical Association，1995，94（432）：1200－1224.

［49］張松林，周云龍.油水兩相流電導(dǎo)波動信號小波去噪閾值規(guī)則的確定［J］.黑龍江電力，2011（2）：116－120.

［50］文莉，劉正士.平移不變量小波去噪法在齒輪故障診斷中的應(yīng)用［J］.農(nóng)業(yè)機械學(xué)報，2003，34（1）：114－117.

［51］COIFMAN R R，DONOHO D L.Translation invariant denoising［C］／／Wavelets and Statistics.New York：Springer Verlag，1994：125－150.

（責(zé)任編輯劉 舸）

Review of One-Dimensional Signal Wavelet De-Noising

LIJiao-jun，YU Jing-peng，TAO Jin，JIA Zhi-yu
（College of Electrical and Electronic Engineering，Chongqing University of Technology，Chongqing 400054，China）

De-noising has always been the concerned topic.How to get relatively pure information people want is the goal of many scholars.The traditional method of de-noising is difficult to overcome its limitations.Wavelet analysis in the time domain and frequency domain have a good localization characteristics，and it was quickly applied to many areas and became a research hotspot.This paper describes the problems related to the principle of wavelet transform，the principle and method of denoising，the selection of the threshold function，the noise index and so on.Finally it puts forward some prospects on wavelet de-noising problems.

wavelet de-noising；wavelet analysis；threshold function

TN911.4

A

1674－8425（2016）12－0083－07

10.3969／j.issn.1674－8425（z）.2016.12.013

2015－12－13

重慶市自然科學(xué)基金資助項目（CSTC2012jjA00037）；重慶市科委研究項目（2014CC13）；重慶市教委科學(xué)技術(shù)研究項目（CSTC2013JCYJA00008）；重慶市基礎(chǔ)與前沿研究計劃項目（CSTC 2014jcyjA40003）

李姣軍（1965—），女，湖南婁底人，教授，主要從事信息與信號處理、通信信號處理、多載波通信技術(shù)研究，E-mail：duj＠cqut.edu.cn。

李姣軍，余景鵬，陶金，等.一維信號的小波去噪［J］.重慶理工大學(xué)學(xué)報（自然科學(xué)），2016（12）：83－89.

format：LIJiao-jun，YU Jing-peng，TAO Jin，et al.Review of One-Dimensional Signal Wavelet De-Noising［J］.Journal of Chongqing University of Technology（Natural Science），2016（12）：83－89.