获取完整数据和代码，请直接加

kang20224

提出算法基于双树复小波变换的近似平移不变性和方向选择性，将含噪信号分解为多个尺度的复小波系数（实部与虚部分离处理）。在每个子带内，采用滑动窗口截取局部系数，通过安德森-达林拟合优度检验判断窗口内系数是否偏离高斯白噪声分布，从而自适应地识别信号主导系数。结合邻域滤波规则（剔除长度小于预设阈值的孤立检测片段）抑制虚警，最终仅保留被判定为“含信号”的系数进行重构。

算法步骤

多尺度分解：对含噪信号进行L层双树复小波变换，获得各尺度下的复小波系数（实部与虚部独立存储）。

系数归一化：利用估计的噪声标准差σ将小波系数标准化，使其在纯噪声假设下服从标准高斯分布。

滑动窗口GOF检验：

对每一子带系数，以步长1滑动窗口（宽度N），提取窗口内标准化系数。

计算窗口内系数的经验累积分布函数，并与理论高斯分布CDF进行安德森-达林拟合优度检验。

将AD统计量与预设虚警概率Pfa对应的门限比较，若超过门限则判定窗口中心点属于信号。

邻域滤波：将连续判定为信号的位置组成连通片段，剔除长度小于最小邻域长度Np的孤立片段，以降低虚警率。

系数保留：仅保留通过上述检测的系数，其余系数置零，然后乘以σ恢复原始幅度。

信号重构：对处理后的复小波系数执行逆双树复小波变换，得到初步去噪信号。

后平滑：对重构信号进行高斯窗卷积平滑，进一步抑制残留的高频伪影。