1.一种基于小波变换的心磁信号降噪方法，包括如下步骤：步骤1，选择一个与含噪信号波形相似的小波函数和分解层数，利用小波变换对长度为N的含噪信号进行多尺度二进小波分解，得到低频的近似系数和一系列高频的细节系数；

离散小波变换为：

‑j/2 * ‑j

Wf(j,k)＝＝a0 ∫f(t)ψ(a0 t‑kb0)dt其中f(t)是含噪信号，ψj,k(t)是小波函数， 是尺度因子，kb0是平移因子，Wf(j,k)是小波系数，j是分解层数；

‑j/2 ‑j

取a0＝2,b0＝1可构造出正交小波基：ψj,k(t)＝2 ψ(2 t‑k)，同样，也可构造正交的尺度函数：对信号f(t)进行多分辨率分析，可表示为：其中cj,k是尺度系数，对应信号的低频部分，dj,k是小波系数，对应信号的高频部分；

步骤2，对每一层高频系数进行阈值处理，得到新的高频系数；信号的小波系数大于噪声的小波系数，因此设定一个阈值，将大于阈值的系数视为有用信号，小于阈值的系数视为噪声系数，进行阈值处理；

常规的阈值函数有硬阈值函数和软阈值函数，由于硬阈值函数可以更好地保留信号的峰值特征，采用硬阈值函数进行处理；

硬阈值函数：

其中dj,k是小波系数， 是阈值处理后的小波系数，T是设定的阈值；

步骤3，利用小波分解的第j0层低频系数和新的高频系数进行小波重构，得到估计信号，即为降噪后的信号；

步骤4，分别选取与信号波形相似的不同小波函数，选定分解层数进行小波变换，重复上述步骤1至3，比较所得结果，选取若干个降噪效果较好的小波函数；

步骤5，将步骤4中得出的若干个降噪后的信号数据相加求平均，作为干净的信号数据，对其添加不同大小的模拟噪声，分别用步骤4得出的小波函数进行降噪处理，求得相应的信噪比，比较得最优的小波函数；

步骤6，选择步骤5得出的小波函数，改变分解层数，对干净的信号添加不同大小的模拟噪声，求出信噪比，比较得最佳分解层数；由此得出最适合含噪信号的小波阈值去噪参数。