小波去噪[xd,cxd,lxd]=wden(x，tptr，sorh,scal,n,'wname’） 式中：输入参数x 为需要去噪的信号；1。tptr ：阈值选择标准。 1）无偏似然估量（rigrsure）原则.它是一种基于史坦无偏似然估量（二次方程）原理的自适应阈值选择。对于一个给定的阈值t，得到它的似然估量，再将似然t 最小化，就得到了所选的阈值，它是一种软件阈值估量器。 2）固定阈值（sqtwolog)原则。固定阈值thr2 的计算公式为：thr 2log（n) 2 = （6）式中，n 为信号x（k)的长度。 3)启发式阈值（heursure） 原则。它是rigrsure原则和sqtwolog 原则的折中。假如信噪比很小，按rigrsure 原则处理的信号噪声较大，这时采纳sqtwolog原则。 4)极值阈值（minimaxi）原则。它采纳极大微小原理选择阈值,产生一个最小均方误差的极值,而不是没有误差。2.sorh ：阈值函数选择方式，即软阈值(s) 或硬阈值（h）。3。scal ：阈值处理随噪声水平的变化 ,scal=one 表示不随噪声水平变化 ，scal=sln 表示根据第一层小波分解的噪声水平估量进行调整，scal=mln 表示根据每一层小波分解的噪声水平估量进行调整.4。n 和wname 表示利用名为wname 的小波对信号进行n 层分解。输出去噪后的数据xd 及xd 的附加小波分解结构［cxd,lxd］.常见的几种小波：haar，db，sym，coif，biorhaardbdb1db2db3db4db5db6db7db8db9db10symsym2sym3sym4sym5sym6sym7sym8coif coif1coif2coif3coif4coif5coif6coif7coif8coif9coif10bior bior1。1bior1。3bior1。5bior2。2bior2.4 bior2。6bior2.8 bior3.5 bior3.7 bior3。9bior4.4 用 MATLAB 对一语音信号进行小波分解，分别用强阈值，软阈值，默认阈植进行消噪处理。复制内容到剪贴板代码:%装载采集的信号 leleccum。matload leleccum;%=============================%将信号中第 2000 到第 3450 个采样点赋给 sindx=2000:3450;s=leleccum（indx）；％=============================%画出原始信号subplot(2，2,1）；plot(s）;title（’原始信号');%=============================％用 db1 小波对原始信号进行 3 层分解并提取系数［c,l]=wavedec（s,3，’db1'）；a3=appcoef（c,l,'db1’，3)；d3=detcoef(c，l,3）;d2=detcoef（c，l,2);d1=detcoef（c,l，1）;%=============================％对信号进行强制性消噪处理并图示结果dd3=zeros（1,length(d3））;dd2=zeros(1,length(d2）)；dd1=zeros(1，length（d1))；c1=...
