如何消除小波去噪的邊界效應？

在閱讀了這裡對小波的一些參考之後，我嘗試使用 Daubechy04 小波（前向變換，8 個最重要的（絕對值）係數保持在64 個值，反向轉換）。

當出現下降或上升趨勢時，由於第一個值和最後一個值在最後一個點（和第一個點，但這並不重要，因為可以刪除一些第一個點）上的第一個值和最後一個值不同，因此會產生邊界效應.

小波為紅色，（藍色，移動平均線）

（這也發生在離散傅里葉變換中，我認為這是正常的，因為它們假設週期性）

我嘗試 diff ( b[i] = a[i+1]-a[i]) 然後 undiff 轉換之前的系列：糟糕的結果。

另一個嘗試 b[i] = a[i] - ((a[63]-a[0])/63*i + a[0])（減去兩個末端之間的線：更好的“視覺”結果

但不完美，進一步幾個時間步驟……（末端斜率不匹配）：

我也在閱讀小波門檻值方法，因為這種依賴固定數量的係數（8）的想法可能是有問題的

你所追求的是因果小波，這是一種只接受目前和過去數據的小波濾波方法。

http://soliton.ae.gatech.edu/people/dcsl/papers/aiaa04.pdf

去噪後邊緣上的信號總是會受到數據擴展的邊界效應的影響您選擇的過濾器長度，因為它意味著更多的係數。user2763361 提到的因果小波在這方面將是成功的，但是大量資訊將失去，因為它只會考慮數據的傳遞歷史。

我想說的另一點是非平穩小波去噪門檻值處理和類似的以及它們的混合程序在消除雜訊方面不是很好（它們是蠻力機制）。因此，產生信號的信號頻率位置仍然是模糊的。

引用自：https://quant.stackexchange.com/questions/9976