⑴ python里的问题 ，pywt.dwt(signal,'db1','sym')这个函数
噪声能获取吗？好吧。你可以试试减一减。不过你的测试用例不太对。 尽量用有规律的数据去做。
比如你可以做一个正弦函数，再人为的加上一点点扰动。再做小波变换看看。另外数据要多些。太短的数据看不出效果来。
至于变换后是两个4，我想等你数据弄多些就明白了。 数据多些，就容易做图。你把变换后的数据变成图形，画出来。可以用EXCEL来画。
这样一对比就明白变换后的两个4数组是什么数据。 然后你就可以针对性的处理。取得噪声也是可以的。
通常来讲噪声是没有规律的。 但是不排除它是另外一种规律迭加上去的。 试试看。
⑵ 有趣的基于小波分析的信号降噪方法（Python）
本文探索了一种基于小波分析的信号降噪方法，并使用Python进行实现。小波分析作为信号处理领域的重要技术，能够有效分析和处理信号中的高频和低频成分，从而实现信号的降噪。通过小波变换，原始信号被分解为不同的尺度和频率，使得噪声与有用信号在不同尺度上有所区别。我们使用Python的scipy库中的小波变换函数，对信号进行分解。
在进行小波分析时，选择合适的母小波函数至关重要。母小波函数的选择直接影响到信号分解的效果。为此，我们首先对信号进行初步分析，根据信号特性选择合适的母小波函数。然后，通过小波系数的阈值选择策略，如软阈值、硬阈值等，对小波系数进行去噪处理。最终，我们将去噪后的系数重构回信号，从而实现信号降噪。
为了验证方法的有效性，我们通过实际信号进行实验。实验结果表明，通过小波分析方法进行降噪后，信号质量得到显着提升，噪声得到有效抑制。与传统的滤波方法相比，小波分析方法具有更好的去噪效果，且能较好地保留信号的特征。
此外，我们还对小波分析方法在设备异常检测和智能故障诊断中的应用进行了探讨。通过小波分析方法，能够有效提取设备运行过程中的异常特征，从而实现设备状态的实时监测和故障早期预警。在设备健康管理方面，小波分析方法能够提供全面、准确的设备状态评估，帮助实现设备的智能维护和优化。
综上所述，基于小波分析的信号降噪方法在信号处理、设备检测和健康管理等领域具有广泛的应用前景。通过Python实现的小波分析工具包，为实际工程应用提供了便利和高效的技术支持。