通俗的講就是剝大蒜的過程，也就是不斷的分層，使得信號拆分成各種頻段（根據采用頻率而定），而這壹過程要用到低通濾波器和高通濾波器，而小波去噪就是在高頻部分（因為通常白噪聲出現在高頻部分）改變數字量，運用壹些算法去除壹些混有噪聲的數字，然後再運用重構低通濾波器和高通濾波器把剛剛分層的頻段加起來，差不多就是拼湊大蒜的過程吧。
如何改變高頻系數（也就是去除噪聲）具體算法如下：
1.軟門限和硬門限
所謂門限法,就是選擇壹個門限,然後利用這個門限對小波變換後的離散細節信號和
離散逼近信號進行處理。
硬門限可以描述為：當數據的絕對值小於給定的門限時,令其為零,而數據為其他值時不變。
軟門限可以描述為:當數據的絕對值小於給定的門限時,令其為零,然後把其他數據點向零收縮。
2.門限選擇的準則及其算法
根據現有的文獻,對於被高斯白噪聲汙染的信號基本噪聲模型, 壹般地, 選擇門限的準則如下:
1． 無偏風險估計準則。對應於每壹個門限值, 求出與其對應的風險值, 使風險最小
的門限就是我們所要選取的門限，其具體算法為:
(a) 把待估計的矢量中的元素取絕對值, 由小到大排序, 然後將各個元素平方, 得到
新的待估計矢量N V ,其長度為原待估計矢量的長度n。
(b) 對應每壹個元素下標(即元素的序號) k ,若取門限為待估計矢量的第k 個元素的
平方根,則風險算法為:
(2) 固定門限準則。 利用固定形式的門限,可取得較好的去噪特性。
設n 為待估計矢量的長度,取長度2 倍的常用對數的平方根為門限.
(3) 極小極大準則。本準則采用固定門限獲得理想過程的極小極大特性. 極小極大原
理是在統計學中為設計估計量而采用的,由於去噪信號可以假設為未知回歸函數的估計
量,則極小極大估計量是實現在最壞條件下最大均方誤差最小的任選量。
(4) 混合準則。 它是無偏風險估計和固定門限準則的混合