写一个改进阈值小波去噪代码

以下是一个基于Python实现的改进阈值小波去噪的代码：

import numpy as np
import pywt

def denoise_signal(signal, wavelet='db4', level=1, mode='soft', sigma=None):
    # 小波分解
    coeffs = pywt.wavedec(signal, wavelet, level=level)
    # 计算阈值
    if sigma is None:
        sigma = mad(coeffs[-level])
    threshold = sigma * np.sqrt(2 * np.log(len(signal)))
    # 阈值处理
    thresholded_coeffs = [pywt.threshold(c, value=threshold, mode=mode) for c in coeffs]
    # 小波重构
    denoised_signal = pywt.waverec(thresholded_coeffs, wavelet)
    return denoised_signal

def mad(data):
    return np.median(np.abs(data - np.median(data)))

# 示例
signal = np.array([1, 2, 3, 4, 8, 7, 6, 5, 10, 9])
denoised_signal = denoise_signal(signal, wavelet='db4', level=1, mode='soft')
print(denoised_signal)

该代码中，`denoise_signal`函数实现了改进阈值小波去噪的过程，其中`signal`参数为输入信号，`wavelet`参数为小波基函数，`level`参数为小波分解的层数，`mode`参数为阈值处理的方式，`sigma`参数为阈值的倍数（默认为None，表示自动计算）。`mad`函数为计算中位数绝对偏差。

在示例中，输入信号为`signal`，小波基函数为db4，小波分解的层数为1，阈值处理的方式为soft，阈值为自动计算。运行结果为去噪后的信号。