python一维信号小波阈值去噪

小波阈值去噪同样适用于一维信号，可以使用PyWavelets库进行实现。以下是一个简单的示例代码：

import pywt
import numpy as np
import matplotlib.pyplot as plt

# 生成一维信号
t = np.linspace(0, 1, 200, endpoint=False)
sig = np.sin(2 * np.pi * 7 * t) + np.cos(2 * np.pi * 15 * t)

# 添加噪声
noise = np.random.normal(0, 0.3, len(sig))
noisy_sig = sig + noise

# 进行小波变换
coeffs = pywt.wavedec(noisy_sig, 'haar', level=3)

# 设置阈值
threshold = 0.5

# 进行阈值处理
for i in range(1, len(coeffs)):
    coeffs[i] = pywt.threshold(coeffs[i], threshold * max(coeffs[i]))

# 进行小波反变换
denoised_sig = pywt.waverec(coeffs, 'haar')

# 绘制信号及去噪后的信号
plt.subplot(2, 1, 1)
plt.plot(t, noisy_sig)
plt.title('Noisy Signal')

plt.subplot(2, 1, 2)
plt.plot(t, denoised_sig)
plt.title('Denoised Signal')

plt.tight_layout()
plt.show()

在上述代码中，首先生成了一个带噪声的一维信号，然后进行小波变换，设置阈值，进行阈值处理，最后进行小波反变换得到去噪后的信号。其中，阈值的选取可以根据实际情况进行调整，对于不同的信号可能需要不同的阈值。