传统的线性降噪方法认为噪声和信号两者处于不同的频段，可以通过带通滤波方法进行去噪处理。然而，众多信号和噪声的频谱存在诸 多混叠，Fourier域的线性处理方法不再适用， 需要寻找新的去噪方法。小波理论为信号降噪提供了强有力的工具。在小波域，扰动信号和噪声有着不同的行为特征：①不同的尺度传播特性： 信号与噪声有着不同性质的Lipschitz系数，信号是正奇异的，噪声是负奇异的，反映到小波域，表现为噪声的变换模值随尺度的增大而减小，而信号的变换模值随尺度的增大而增大；②小波系数 (WTCs)稀疏簇聚特征：即信号的能量主要集中在少数小波系数，且这少数系数簇聚在信号突变位置，而噪声在小波多分辨率分解后，其能量在各个尺度内是均匀分布的，相对于信号幅值而言，噪声的小波系数幅值都较小。
给个现场地震数据的例子，选用morlet小波，原始信号及Block-Thresholding降噪后的信号如下：
选用shannon小波，原始信号及Block-Thresholding降噪后的信号如下：
选用mhat（墨西哥草帽）小波，原始信号及Block-Thresholding降噪后的信号如下：
选用hhat（墨西哥草帽）小波，原始信号及Block-Thresholding降噪后的信号如下：
可见，选取不同的小波函数，其降噪效果是不同的
再以合成信号为例，使用morlet小波，原始信号及Block-Thresholding降噪后的信号如下：
使用shannon小波，原始信号及Block-Thresholding降噪后的信号如下：
使用mhat小波，原始信号及Block-Thresholding降噪后的信号如下：
使用hhat小波，原始信号及Block-Thresholding降噪后的信号如下：
详情见知乎专栏
基于小波Block-Thresholding的降噪方法 - 哥廷根数学学派的文章 - 知乎https://zhuanlan.zhihu.com/p/553965639
