本资源提供小波阈值去噪的完整 Python 实现，支持硬阈值、软阈值和 Garrote 阈值三种去噪策略，可自定义小波基类型、分解层数和阈值计算方式。代码包含噪声标准差估计、边界效应处理等细节，并通过生成含噪正弦波信号测试不同阈值方法的去噪效果。可视化部分将软阈值和 Garrote 阈值结果分开绘制，便于对比分析。适用于振动信号、生物医学信号等领域的噪声去除，可作为信号处理预处理模块直接集成到项目中。

POA-VMD+降噪（鹈鹕优化VMD结合余弦相似度和小波阈值进行降噪） 1.分解部分 （POA-VMD）采用鹈鹕优化变分模态分解 寻优对象：k α 包含10种适应度函数 可出适应度曲线图 分解图 频谱图 三维分解图和α、K位置随迭代变化图 适应度函数包括： 1.综合评价指标2.包络熵3.包络谱峭度值4.幅值谱熵5.模糊熵 6.皮尔逊系数7.峭度值8.样本熵9.排列熵10.信息熵 2.分量筛选 采用余弦相似度评判分解分量与原序列间的余弦相似度，设定阈值，将含躁分量提取出， 3.降噪 通过阈值小波进行降噪， 降噪方法包含（可根据降噪效果选取最合适的方法。 ） %软小波阈值降噪 %硬小波阈值降噪 %改进小波阈值降噪（阈值函数曲线见链接图片） 以西储大学数据为例效果如图 matlab代码，含有部分注释； 数据为excel数据，使用时替数据集即可； ， ,中心电感振动数据为基础进行噪音治理的POA-VMD变分模态分解降噪法,POA-VMD降噪技术,POA-VMD; 鹈鹕优化VMD; 降噪; 余弦相似度; 小波阈值; 分解部分; 寻优对象; 适应度函数; 分量筛选; 西储大学,轴承故障信号P

POA-VMD+降噪技术：鹈鹕优化变分模态分解与余弦相似度结合小波阈值降噪的实践与应用,POA-VMD+降噪（鹈鹕优化VMD结合余弦相似度和小波阈值进行降噪） 1.分解部分 （POA-VMD）采用鹈鹕优化变分模态分解 寻优对象：k α 包含10种适应度函数 可出适应度曲线图 分解图 频谱图 三维分解图和α、K位置随迭代变化图 适应度函数包括： 1.综合评价指标2.包络熵3.包络谱峭度值4.幅值谱熵5.模糊熵 6.皮尔逊系数7.峭度值8.样本熵9.排列熵10.信息熵 2.分量筛选 采用余弦相似度评判分解分量与原序列间的余弦相似度，设定阈值，将含躁分量提取出， 3.降噪 通过阈值小波进行降噪， 降噪方法包含（可根据降噪效果选取最合适的方法。 ） %软小波阈值降噪 %硬小波阈值降噪 %改进小波阈值降噪（阈值函数曲线见链接图片） 以西储大学数据为例效果如图 matlab代码，含有部分注释； 数据为excel数据，使用时替数据集即可； ， ,POA-VMD; 鹈鹕优化VMD; 降噪; 余弦相似度; 小波阈值; 分解部分; 寻优对象; 适应度函数; 分量筛选; 西储大学,轴承故障信号POA-

【图像去噪】基于matlab改进的小波阈值图像去噪（含PSNR）【含Matlab源码 2577期】

微机电（MEMS）陀螺仪的随机漂移误差较大，严重影响导航精度。针对上述问题，首先利用Allan方差分析了MEMS陀螺的随机漂移误差；然后基于小波阈值去噪算法处理陀螺信号的高频噪声，建立了硬阈值函数和软阈值函数，并通过两种函数对陀螺信号进行小波阈值去噪处理。实验结果表明：较之硬阈值函数，软阈值函数去噪效果更佳，去噪后信号标准差更低，量化噪声、角度随机游走和零偏不稳定性分别下降了97.34%、97.62%、57.07%。

针对传统的阈值函数在图像去噪中存在硬阈值函数不连续、软阈值函数会产生恒定误差的不足,在多层小波变换的基础上,对阈值选取方法进行了改进,并改变了传统软阈值函数。实验结果表明,该方法无论在视觉效果还是在信噪比定量指标上均优于传统硬阈值法和软阈值法。

在现有阈值去噪算法的基础上提出了一种基于新型符号函数的小波阈值图像去噪算法，该算法提出的新阈值函数具有连续可导、小波系数偏差小、阈值自适应性强等优势。不仅保留了分解后的低频小波系数，还有效滤除了高频系数中的噪声系数，使得重构后的图像更接近原始图像。对高斯白噪声的Bridge图像、Lena图像及含“斑点噪声”的B超Fetus图像进行仿真，实验的结果表明，无论是新阈值函数的视觉效果，还是定量指标PSNR和MSE，均优于现有的阈值图像去噪算法。其边缘及细节信息能得到较好的保护，无明显振荡，图像更平滑、均匀，且在复杂噪声背景下，该方法具有较好的顽健性。

1首先运用 CEEMDAN 算法加入高斯白噪声，将信号分解成一系列 IMF 分量 2然后采用小波软阈值去噪方法对含噪声较多的高频 IMF分量进行去噪处理 3最后将去噪处理的 IMF 分量和其余分量进行重构，获得去噪后的信号。 可直接跑，无需重复购买。（因为内置PinPu函数也已补全）

理论部分见这里：https://blog.csdn.net/fengzhuqiaoqiu/article/details/128225117 笔者改造了wden、thselect和wthresh三个函数文件，并进一步封装成filterWaveletTh函数，延续本专栏中以往代码的风格，实现“一行代码”完成小波阈值去噪的效果。当然啦，这里所说的“一行代码”还需要配合一些参数的设置。

小波阈值去噪及MATLAB仿真