小波变换在信号的滤波降噪处理中应用非常广泛,针对传统小波阈值去噪算法中软,硬阈值函数以及Garrote阈值函数的不足,构造出一个新的阈值函数,并采用新的阈值确定方法,对信号的去噪处理更加灵活,克服了传统阈值函数的不足.通过Matlab软件,对传统阈值函数以及本文提出的改进阈值函数进行去噪处理仿真,在信噪比(SNR)和均方误差(MSE)两个方面进行定量对比.实验结果表明,使用改进的阈值函数进行去噪处理后,信号具有更高的信噪比和更小的均方误差,去噪效果优于传统方法.​

clear all;

close all

[x,Fs]=audioread('d00.wav');

t=(0:length(x)-1)/Fs;   %计算样本时刻

noise=0.2*rand(length(x),1);

noise1 = wgn(length(x),1,-30);

x0=x;    %原始信号

x=x+noise1;

subplot(331); plot(t,x0); ylabel('幅度'); xlabel('时间(s)'); title('原始心音信号');

subplot(332); plot(t,x); ylabel('幅度'); xlabel('时间(s)'); title('含噪心音信号');

ylim([-1 1]);

[xd1,xd2,xd3,xd4,xd5,xd6]=softthersh(x,6,'db6');

subplot(333); plot(t,xd1); ylabel('幅度'); xlabel('时间(s)'); title('硬阈值心音信号');

subplot(334); plot(t,xd2); ylabel('幅度'); xlabel('时间(s)'); title('软阈值心音信号');

subplot(335); plot(t,xd3); ylabel('幅度'); xlabel('时间(s)'); title('半软阈值心音信号');

subplot(336); plot(t,xd4); ylabel('幅度'); xlabel('时间(s)'); title('Minimax阈值心音信号');

subplot(337); plot(t,xd5); ylabel('幅度'); xlabel('时间(s)'); title('Garrote阈值心音信号');

subplot(338); plot(t,xd6); ylabel('幅度'); xlabel('时间(s)'); title('改进阈值心音信号');

% subplot(339); plot(t,xd7); ylabel('幅度'); xlabel('时间(s)'); title('新改进阈值心音信号');

[SNR1,RMSE1]=evaluate(x0,xd1);

[SNR2,RMSE2]=evaluate(x0,xd2);

[SNR3,RMSE3]=evaluate(x0,xd3);

[SNR4,RMSE4]=evaluate(x0,xd4);

[SNR5,RMSE5]=evaluate(x0,xd5);

[SNR6,RMSE6]=evaluate(x0,xd6);

% [SNR7,RMSE7]=evaluate(x0,xd7);

[1]袁孟宇. 基于改进小波阈值法的动液面信号去噪研究[D]. 东北石油大学.

[2]刘佳林, 孙旋. 基于改进阈值函数小波语音增强方法的研究[J]. 软件导刊, 2010(2):3.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。