［xd，cxd，lxd］=wden（x，tptr，sorh，scal，n，‘wname’）

式中：輸入參數x為需要去噪的信號；

1.tptr：閾值選擇標準。

1）無偏似然估計（rigrsure）原則。它是一種基于史坦無偏似然估計（二次方程）原理的自適應閾值選擇。對于一個給定的閾值t，得到它的似然估計，再將似然t最小化，就得到了所選的閾值，它是一種軟件閾值估計器。

2）固定閾值（sqtwolog）原則。固定閾值thr2的計算公式為：thr2log（n）2=（6）式中，n為信號x（k）的長度。

3）啟發式閾值（heursure）原則。它是rigrsure原則和sqtwolog原則的折中。如果信噪比很小，按rigrsure原則處理的信號噪聲較大，這時采用sqtwolog原則。

4）極值閾值（minimaxi）原則。它采用極大極小原理選擇閾值，產生一個最小均方誤差的極值，而不是沒有誤差。

2、sorh：閾值函數選擇方式，即軟閾值（s）或硬閾值（h）。

3.scal：閾值處理隨噪聲水平的變化，scal=one表示不隨噪聲水平變化，scal=sln表示根據第一層小波分解的噪聲水平估計進行調整，scal=mln表示根據每一層小波分解的噪聲水平估計進行調整。

4.n和wname表示利用名為wname的小波對信號進行n層分解。輸出去噪后的數據xd及xd的附加小波分解結構［cxd，lxd］。

常見的幾種小波：haar，db，sym，coif，bior

用MATLAB對一語音信號進行小波分解，分別用強閾值，軟閾值，默認閾植進行消噪處理。

代碼：

%裝載采集的信號leleccum.mat

loadleleccum;

%=============================

%將信號中第2000到第3450個采樣點賦給s

indx=2000:3450;

s=leleccum（indx）;

%=============================%畫出原始信號

subplot（2，2，1）;

plot（s）;

title（‘原始信號’）;

%=============================

%用db1小波對原始信號進行3層分解并提取系數

［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）;

%=============================

%對信號進行強制性消噪處理并圖示結果

dd3=zeros（1，length（d3））;

dd2=zeros（1，length（d2））;

dd1=zeros（1，length（d1））;

c1=［a3dd3dd2dd1］;

s1=waverec（c1，l，‘db1’）;

subplot（2，2，2）;

plot（s1）;grid;

title（‘強制消噪后的信號’）;

%=============================

%用默認閾值對信號進行消噪處理并圖示結果

%用ddencmp函數獲得信號的默認閾值

［thr，sorh，keepapp］=ddencmp（‘den’，‘wv’，s）;

s2=wdencmp（‘gbl’，c，l，‘db1’，3，thr，sorh，keepapp）;

subplot（2，2，3）;

plot（s2）;grid;

title（‘默認閾值消噪后的信號’）;

%=============================

%用給定的軟閾值進行消噪處理

sosoftd2=wthresh（d2，‘s’，1.823）;

softd3=wthresh（d3，‘s’，2.768）;

c2=［a3softd3softd2softd1］;

s3=waverec（c2，l，‘db1’）;

subplot（2，2，4）;

plot（s3）;grid;

title（‘給定軟閾值消噪后的信號’）;

ftd1=wthresh（d1，‘s’，1.465）;