1. 研究目的与意义
在现实应用中，通过具体实验得到的最初信号总会夹杂着一定的噪声，而干扰了信号的本质特征往往是这些噪声的存在，对进一步的分析和信号处理及其不利。因此，在对原始信号进行预处理时，对噪声加以消除或减少，以便最大程度的提取原始信号中的有用信息，是非常必要的。小波去噪方法的成功主要得益于小波变换具有以下特点：
（1）低熵性，由于小波系数的稀疏分布，使得图像变换后的熵降低。
（2）多分辨率，由于小波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。
2. 国内外研究现状分析
在这个科技飞速发展，信息传递日益方便快捷的时代。信息资源中的信号应用日益广泛，信号的结构越来越复杂，为了更加清楚的分析和研究实际工程中信号的有用信息，对信号进行消噪处理是至关重要的，而且在现实生活和工作中，噪声无处不在，在许多领域中，如天文、医学图像和计算机视觉方面收集到的数据常常是含有噪声的。噪声可能来自获取数据的过程，也可能来自环境影响。在工程实际测试得到的信号中，由于种种原因,总会存在噪声，噪声的存在往往会掩盖信号本身所要表现的信息，所以在根据测试信号对设备进行故障诊断时，一般首先要对信号进行消噪处理，消噪的主要基础就是噪声和信号的频率特征不同。
fourier变换已经有很长的历史，从频率域观察和研究信号，已经成为一种经典的方法。
但是，fourier变换是一种全局变换，无法表征信号的时域局部性质。短时fourier变换用于分析准平稳信号，是具有单一分辨率的分析方法。
20世纪后期发展起来的小波变换，具有多分辨率分析能力，是一种时间窗和频率窗都可以改变的时域局部化分析方法，称为数学显微镜。
3. 研究的基本内容与计划
研究内容：
1．了解小波变换基本理论。
2．对语音信号和图像信号两个方面进行去噪研究。
4. 研究创新点
论文采用先进且近几年比较流行的小波去噪声，从信号学的角度看,小波去噪是一个信号滤波的问题。尽管在很大程度上小波去噪可以看成是低通滤波,但由于在去噪后,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的综合，通过MATLAB对去噪声效果进行仿真。
