如何在Wavelet Transform中排除零值，改善去噪效果

问题核心：你的代码对整段数据统一执行小波高频系数置零处理，零值区域本身无有效信号，强制置零高频系数后重构会引入伪波动，导致零值区域结果杂乱。要解决这个问题，我们可以仅对非零区域执行小波去噪，零值区域保持原始零值不变。

修改后的代码 #

import pywt
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# 加载数据
df = pd.read_csv('1225JakariaRwalk2Min.csv', low_memory=False)
columns = ['Fx','Fy','Fz','Mx','My','Mz']
selected_df = df[columns]
FPDatas = selected_df[:15000]
FPData = np.array(FPDatas).astype('float64')

wavelet = 'db4'
filtered_data_dwt = np.copy(FPData)  # 初始复制原始数据，零值区域直接保留

for i in range(6):
    # 生成零值掩码（考虑浮点误差，判断是否接近0）
    zero_mask = np.isclose(FPData[:, i], 0, atol=1e-6)
    non_zero_data = FPData[~zero_mask, i]
    
    if len(non_zero_data) == 0:
        continue  # 全零通道跳过处理
    
    # 对非零区域做小波去噪
    coeffs = pywt.wavedec(non_zero_data, wavelet)
    # 置零最后3层高频系数
    coeffs[-1] = np.zeros_like(coeffs[-1])
    coeffs[-2] = np.zeros_like(coeffs[-2])
    coeffs[-3] = np.zeros_like(coeffs[-3])
    denoised_non_zero = pywt.waverec(coeffs, wavelet, mode='symmetric', axis=0)
    
    # 将去噪后的数据放回原位置
    filtered_data_dwt[~zero_mask, i] = denoised_non_zero

# 可视化对比
for i in range(6):
    plt.figure(figsize=(15,6))
    plt.plot(FPData[:2000, i], color='red')
    plt.plot(filtered_data_dwt[:2000, i], markerfacecolor='none', color='black')
    plt.legend(['原始数据', '去噪后数据'], loc='best')
    plt.title(f'通道 {columns[i]} 对比')
    plt.show()

关键改动说明 #

• 零值掩码识别：用np.isclose判断数据是否接近零（避免浮点精度问题），精准区分零值和非零区域
• 分区处理：仅对非零区域执行小波分解、高频系数置零和重构操作，零值区域不做额外处理
• 结果回填：将去噪后的非零数据放回原数组对应位置，零值区域保持原始状态，彻底避免伪影引入

备选优化方向 #

如果零值区域并非完全为零，而是低幅值噪声区域，还可以：

• 设置幅值阈值，仅处理超过阈值的信号部分
• 在小波系数处理阶段，针对零值/低幅值区域保留原始系数，不执行置零操作

内容的提问来源于stack exchange，提问作者stack offer