噪声能获取吗？好吧。你可以试试减一减。不过你的测试用例不太对。 尽量用有规律的数据去做。
10年积累的成都网站设计、网站建设经验，可以快速应对客户对网站的新想法和需求。提供各种问题对应的解决方案。让选择我们的客户得到更好、更有力的网络服务。我虽然不认识你，你也不认识我。但先网站设计后付款的网站建设流程，更有汝城免费网站建设让你可以放心的选择与我们合作。
比如你可以做一个正弦函数，再人为的加上一点点扰动。再做小波变换看看。另外数据要多些。太短的数据看不出效果来。
至于变换后是两个4，我想等你数据弄多些就明白了。 数据多些，就容易做图。你把变换后的数据变成图形，画出来。可以用EXCEL来画。
这样一对比就明白变换后的两个4数组是什么数据。 然后你就可以针对性的处理。取得噪声也是可以的。
通常来讲噪声是没有规律的。 但是不排除它是另外一种规律迭加上去的。 试试看。
T=wpdec(y,5,'db40');
%信号y进行波包解层数5T波树plot看
a10=wprcoef(T,[1,0]);
%a10节点[1,0]进行重构信号貌似没层重构说吧能某层某节点进行重构节点编号波树
%以下为滤波程序（主要调节参数c的大小）
c=10;
wn=0.1;
fs=50000; %采样频率；
b=fir1(c,wn/(fs/2),hamming(c+1));
y1=filtfilt(b,1,y);%对y滤波。
pywt.waverec(coeffs, wavelet, mode='symmetric', axis=-1)
It may sometimes be desired to run waverec with some sets of coefficients omitted. This can best be done by setting the corresponding arrays to zero arrays of matching shape and dtype. Explicitly removing list entries or setting them to None is not supported.
Specifically, to ignore detail coefficients at level 2, one could do:
coeffs[-2] = np.zeros_like(coeffs[-2])
##################################################################
coeffs=pywt.wavedec(data_current,'db6',level=3)
for i in range(1,4):
coeffs[i] = np.zeros_like(coeffs[i])
A3 = pywt.waverec(coeffs, 'db6')
用FFT（快速傅里叶变换）可以将时域的数字信号转换为频域信号，转换为频域信号之后就可以分析出信号的频率成分，最后还可以将处理完毕的频域信号通过IFFT（逆变换）转换为时域信号。
这里使用Scipy模块中的fft实现时域信号的FFT变换，如下：
时域信号：该信号为带有噪声的正弦信号经过小波去噪后的图像
转换结果：
楼上算一个方法，不过还有更简单的。。---importosos.system("pythonfilename")--注：filename最好是全路径+文件名，python在环境变量中（linux就没这个问题了）
Sum = (1.0 / float(N)) * Sum，我猜这个你应该是在那个循环里面的吧，感觉上是想做个均值，之后给他们相加？你这个写的是相成，要是那个N很大的话出来结果就会变成(1/N)^i很小但是sum也是i次方。--- 没看过公式感觉也有可能是对的，之后我看了以下你问的问题，说 的是什么结果也没有出，我看了一下，无论是plt还是print你都么有对结果进行现显示a ,没有缩进看着是真的蛋疼.
