【发布时间】：2014-03-25 21:02:04
【问题描述】：
我希望使用 Stein Unbiased Estimate of Risk (Sure) 对信号进行去噪。
我有一个一维信号。我正在使用小波将信号分解为多个级别的近似系数和细节系数。
为了对原始信号进行去噪，我需要对每个细节级别的系数进行阈值处理，还是对最后一级细节系数进行阈值处理？
【问题讨论】：
标签： signal-processing wavelet noise-reduction
【发布时间】：2014-03-25 21:02:04
【问题描述】：
阈值处理通常应用于信号的所有频率，因为该过程利用了这样一个事实：小波变换将信号域中的白噪声（纯随机、不相关和恒定功率谱密度噪声）映射到变换域中的白噪声并且因此分布在不同的频率上因此，虽然信号能量在变换域中变得更加集中到更少的系数中，但噪声能量却没有。给定具有不同频谱特性的其他噪声将映射不同，这就是选择阈值过程类型变得重要的地方。
如果您想重构信号，则在对最高分解级别（最低频率）进行阈值处理同时保留较低级别（较高频率）不去噪时，听起来有点多余。 但是，如果您有一个您可能感兴趣的频率范围，您也可以提取一个级别并对其相关的频率范围进行去噪（例如从级别 1 到级别 2）。
在谈到阈值函数时，请注意，在任何情况下，Sure 都会根据信号噪声的类型产生不同的结果。例如，它将减少水平分量中白噪声的分布，但只会降低大振幅。对于与白色混合的信号，您可能会有其他噪声颜色，例如随机游走和闪烁噪声，这肯定不是一个有效的程序。
【讨论】：