小波分析去噪的思想

问题：小波分析是如何实现去噪的呢，经过一级又一级的变换后，得到的只是低频参数与高频参数？

问题的关键在于，就是可以将高频参数置0；那么数据逆变换回去后，就没有了高频部分了；

参考如下：

应用案例：
#-*- coding:utf-8 -*-
#author nyang
import scipy.signal as signal
import pylab as pl
import numpy as np
import sys
from sklearn import linear_model
import datetime as dt
import matplotlib.pyplot as plt
import pywt
X=np.linspace(0,1,100)
Y=0.3+3*X+np.random.randn(100,)
ca,cd=pywt.dwt(Y,'haar')
cd=np.where(cd!=np.nan,0,0)
c_a=pywt.upcoef('a', ca, 'haar')+pywt.upcoef('d', cd, 'haar')
fig,(ax1,ax2)=plt.subplots(2,1,figsize=(15,8))
ax1.plot(X,Y,'b.')
ax2.plot(X,c_a,'b.')
plt.show()

图片：