小波阈值去噪python

在Python中，可以使用PyWavelets库来实现小波阈值去噪。以下是一个简单的示例代码：

import pywt
import numpy as np

def wavelet_denoise(signal, wavelet='db4', level=1, mode='soft'):
    # 将信号进行小波分解
    coeffs = pywt.wavedec(signal, wavelet, mode=mode, level=level)
    
    # 对每个尺度的细节系数进行阈值处理
    for i in range(1, len(coeffs)):
        coeffs[i] = pywt.threshold(coeffs[i], np.std(coeffs[i]) / 2)
    
    # 重构信号
    denoised_signal = pywt.waverec(coeffs, wavelet, mode=mode)
    
    return denoised_signal

# 示例使用
# 生成带噪声的信号
np.random.seed(0)
signal = np.random.randn(100)

# 添加高斯噪声
noisy_signal = signal + 0.1 * np.random.randn(100)

# 进行小波阈值去噪
denoised_signal = wavelet_denoise(noisy_signal)

# 打印结果
print("原始信号:", signal)
print("带噪信号:", noisy_signal)
print("去噪信号:", denoised_signal)

这个示例代码使用了"db4"小波作为小波基函数，对信号进行了一级小波分解，并使用软阈值处理细节系数。你可以根据自己的需求，调整小波基函数、分解级别以及阈值处理方法。