1.一种基于小波变换和全变差正则化的信号去噪方法，其特征在于，该方法包括：步骤1，对含有噪声的信号y(n)进行小波阈值去噪：步骤1a，对信号y(n)进行小波分解，得到各尺度系数；

步骤1b，对小波分解后得到的各尺度系数设置阈值，通过阈值处理进一步获得干净信号小波系数的确切估计值；

步骤1c，根据干净信号的小波系数确切估计值，进行小波逆变换，从而实现信号的重构，得到小波阈值去噪后的信号步骤2，计算信号y(n)与小波阈值去噪后信号 的余量：步骤3，对余量d(n)利用全变差正则化进行去噪：步骤3a，对余量建立全变差正则化去噪模型：其中，d是余量信号，D是一阶差分矩阵，去噪余量信号，对余量信号再次进行全变差去噪目的是尽量保留有用信号，去除噪声信号；第一部分为保真项，确保在运算过程中，去噪前与去噪后两个信号差别不会太大；第二部分为全变差正则化项，参数α用来调整权重；

步骤3b，将步骤3a的去噪模型转化为无约束的优化模型：其中，λ＝(λ1；λ2；…λN-1)为增广拉格朗日乘子，ρ为惩罚参数， u服从约束将无约束的优化模型转化为关于 u、λ的优化模型，利用ADMM算法对 u、λ的优化模型进行迭代运算，得到去噪余量信号步骤4，将步骤1去噪后的信号与步骤3去噪后的信号重构，得到干净信号的估计值：其中，x(n)即为干净信号的估计值；

步骤5，根据去噪评价指标评估信号去噪性能。

2.如权利要求1所述的方法，其特征在于，所述将无约束的优化模型转化为关于 u、λ的优化模型，利用ADMM算法对 u、λ的优化模型进行迭代运算，得到去噪余量信号 包括：将无约束的优化模型转换为关于 u、λ的优化模型：对 u、λ的优化模型进行迭代运算，直至 大于等于误差界或迭代次数大于最大迭代次数时停止迭代，得到去噪余量信号

3.如权利要求1所述的方法，其特征在于，所述步骤5中去噪评价指标包括：均方根误差RMSE：

其中N表示信号长度,s(n)为加噪前的信号,x(n)为去噪后的信号；

信噪比SNR：

其中N表示信号的总长度，s(n)为加噪前的信号,x(n)为去噪后的信号；

皮尔逊相关系数ρ：

其中N表示信号的总长度，s(n)为加噪前的信号,x(n)为去噪后的信号， 为加噪前信号的平均值, 为去噪后信号的平均值。