实际应用中接收到的超声检测信号不仅含有大量有用信息,同时还夹杂着各种干扰信号(噪声),而这些干扰信号的存在严重影响了信号的本来面目,不利于信号的分析和进一步处理。因此,在超声检测信号的预处理过程中对噪声加以消除或减小,是十分必要和重要的。小波分析是目前国际上公认的信号信息获取与处理领域的高新技术,是信号处理的前沿课题,并在实际中得到了广泛的应用。本文根据小波的基本理论,提出了一些新的小波去噪算法,并将其应用到超声检测信号的去噪中,进而拓宽了小波的应用范围。主要工作包括:1.研究小波阈值去噪的各种方法,分析传统软阈值法和硬阈值法的特点,并在标准软硬阈值折中法的基础上,提出了一种软硬阈值改良折中法。该方法与标准软硬阈值折中法相比,其阈值函数具有更加灵活多变的形式,便于进行各种数学处理;与传统软阈值法和硬阈值法相比,它克服了硬阈值函数不连续的缺点,减小了软阈值函数中的估计小波系数与分解小波系数之间存在的恒定偏差。仿真实验结果表明,该改良方法的去噪性能优于传统软阈值法、硬阈值法和标准软硬阈值折中法。2.研究了粒子群优化算法的特性,将其应用于小波阈值去噪方法中,对阈值进行寻优,并使用garrote阈值函数量化小波分解系数。而garrote阈值函数既克服了硬阈值函数的不连续性,也减小了软阈值函数存在的恒定偏差。最后通过仿真实验,证明了该方法的有效性。3.按照小波包的基本理论,并根据噪声与信号在各频带上的小波包系数具有不同特征的特点,将Stein无偏似然估计阈值、贝叶斯阈值、固定形式阈值与滑动极大极小准则阈值结合,应用到小波包阈值去噪中。仿真结果表明,该方法具有较好的去噪效果。总而言之,研究小波的基本理论,提出改进方法并应用到新的领域,具有重要的理论意义和实用价值。