MATLAB 小波降噪代码解读：使用 heursure 硬阈值函数

这段代码使用 MATLAB 进行音频降噪，并使用小波变换中的 heursure 硬阈值函数来实现降噪。

代码解析

%一、读入声音
path='D:\毕设\声音处理\声音处理\音视频文件\2022-12-05拾音器现场采集声音\切头剪掉钢\切头掉钢.wav';

%path='D:\毕设\声音处理\声音处理\音视频文件\2022-12-05拾音器现场采集声音\三号冷床下料\三号冷床下料.wav';

[Y,FS]=audioread(path); %将声音放到matlab中
info=audioinfo(path); %得到声音的格式、数位、频率等
T=1/FS; %采样时间
t=(0:length(Y)-1)*T;%时间
yz=Y(:,1);%左声道
 
Y=Y-mean(Y);                         % 消除直流分量
x=Y/max(abs(Y));                      % 幅值归一化
N=length(x);

%二、小波降噪wden函数 具体参数选取 原理+结合人耳试听
%wname = 'coif5';'db2';'sym4'

lev=15;

xdDWT= wden(yz,'heursure','h','mln',lev,'db3');%硬阈值
%[dnsig4s,c4,l4,threshold_heursure] = wden(yz,'heursure','h','mln',lev,wname);
 

snr1=SNR_Calc(x,xdDWT);            % 计算初始信噪比
%snr2=SNR_Calc(x,signal);            % 计算降噪后的信噪比
%snr=snr2-snr1;
fprintf('snr1=%5.4f   ',snr1);


%三、绘制降噪前后的波形对比
figure(1)
subplot(2,1,1)
plot(t,yz)
xlabel('时间(s)');
ylabel('振幅');
title('原音频波形图');
subplot(2,1,2)
plot(t,xdDWT)
xlabel('时间(s)');
ylabel('振幅');
title('降噪后音频波形图');

这段代码主要包含以下部分：

读入声音文件: 使用 audioread 函数读取音频文件，并提取音频信号和采样频率。
预处理: 对音频信号进行直流分量消除和幅值归一化处理。
小波降噪: 使用 wden 函数进行小波降噪，其中 'heursure' 是阈值函数，'h' 代表硬阈值，'mln' 代表多级分解，lev 表示分解层数，'db3' 表示小波基函数。
计算信噪比: 使用 SNR_Calc 函数计算降噪前后信噪比。
绘制波形对比: 绘制降噪前后的音频波形图。

阈值函数选择与改进

这段代码中使用的是 heursure 硬阈值函数。除此之外，还有其他可选的阈值函数，例如：

sure: 另一种常用的阈值函数，根据统计学原理选择阈值。
minimax: 针对不同的信号和噪声模型，选择最优的阈值。

此外，还可以根据具体的应用场景，自己设计一个适合的阈值函数，比如基于统计学或机器学习的方法。

需要注意的是，阈值函数的选择和参数调整是影响降噪效果的重要因素之一，需要结合实际情况进行调整。

代码改进建议

添加注释: 可以添加更多注释，解释代码的功能和每个变量的含义，方便理解和维护。
参数优化: 可以尝试不同的参数设置，例如分解层数、小波基函数等，找到最优的降噪效果。
添加其他降噪方法: 可以尝试其他降噪方法，例如自适应噪声消除、维纳滤波等，并比较不同方法的降噪效果。
使用更完善的信噪比计算方法: 可以使用更完善的信噪比计算方法，例如 segmental SNR。
保存降噪后的音频文件: 可以将降噪后的音频文件保存到本地磁盘，以便进一步分析和评估。

通过对代码进行改进，可以进一步提高降噪效果和代码的可读性。