更新时间：2023-05-24 15:04
小波去噪（英文名wavelet domain denoising），属于音频处理器。
wavelet domain denoising
近年来，小波理论得到了非常迅速的发展，而且由于其具备良好的时频特性，因而实际应用也非常广泛。在去噪领域中，小波理论也同样受到了许多学者的重视，他们应用小波进行去噪并获得了非常好的效果。
具体来说小波去噪方法的成功主要得益于小波变换具有如下特点:
（1）低熵性，小波系数的稀疏分布，使得图象变换后的熵降低；
（2）多分辨率，由于采用了多分辨率的方法，所以可以非常好地刻画信号的非平稳特征，如边缘、尖峰、断点等；
（4）选基灵活性，由于小波变换可以灵活选择变换基，从而对不同应用场合，对不同的研究对象，可以选用不同的小波母函数，以获得最佳的效果。
小波去噪方法包括三个基本的步骤：对含噪声信号进行小波变换；对变换得到的小波系数进行某种处理，以去除其中包含的噪声；对处理后的小波系数进行小波逆变换，得到去噪后的信号。小波去噪方法的不同之处集中在第一步。
在数学上，小波去噪问题的本质是一个函数逼近问题，即如何在由小波母函数伸缩和平移版本所展成的函数空间中，根据提出的衡量准则，寻找对原信号的最佳逼近，以完成原信号和噪声信号的区分。 也就是寻找从实际信号空间到小波函数空间的最佳映射，以便得到原信号的最佳恢复。
从信号学的角度看，小波去噪是一个信号滤波的问题，而且尽管在很大程度上小波去噪可以看成是低通滤波，但是由于在去噪后还能成功地保留信号特征，所以在这一点上又优于传统的低通滤波器。由此可见，小波去噪实际上是特征提取和低通滤波功能的综合，其流程框图如图1所示。
将信号映射到小波域，根据噪声和噪声的小波系数在不同尺度上具有不同的性质和机理，对含噪信号的小波系数进行处理。
实质是减少剔除噪声产生的小波系数，最大限度的保留真实信号的系数。
小波反变换得到信号的最优估计。
模极大值重构去噪
空域相关去噪
小波阈值去噪