一维小波分解与重构_小波分析—信号去噪

   信号去噪实质上是抑制信号中的无用部分，增强信号中的有用部分的过程。信号去噪的过程一般可分为以下3个步骤：
(1)一维信号的小波分解。选择一个小波并确定分解的层次，然后进行分解计算。
(2)小波分解高频系数的阈值量化。对各个分解尺度下的高频系数选择一个阈值进行软阈值量化处理。
(3)一维小波重构。根据小波分解的最底层低频系数和各层高频系数进行一维小波重构。
    以上3个步骤中，最关键的是如何选择阈值以及进行阈值量化，在某种程度上，它关系到信号去噪的质量。一般去噪处理有3种方法：
(1)默认阈值去噪处理。该方法利用函数ddencmp()生成信号的默认阈值，然后利用函数wdencmp()进行去噪处理。
(2)给定阈值去噪处理。在实际的去噪处理中，阈值往往可通过经验公式获得，且这种阈值比默认阈值的可信度高。在进行阈值量化处理时可利用函数wthresh()。
(3)强制去噪处理。该方法是将小波分解结果中的高频系数全部置为0，即过滤掉所有高频部分，然后对信号进行小波重构。这种方法比较简单，切去噪后的信号比较平滑，但是容易丢失信号中的有用成分。

例1：利用小波分析对污染信号进行去噪处理以恢复原始信号，并对比三种去噪处理方法的特点。

% 创建信号
load leleccum; % 装载采集的信号leleccum.mat
s = lel