当信号发生扰动时，其 WPT(xn)的绝对值会远大于白噪声信号，因此可以通过设置阈值λ来实现噪声与扰动信号的分离。如果| (W x PT n ′ > λ) |，则认为是扰动信号分量，保留；如果| (W x PT n ′ < λ) |，则认为是噪声信号，不保留。 λ 的合理设置是信噪分离的关键 。

小波包除噪算法中阈值λ 的设置可以借鉴小波除噪的阈值设置算法。有文献给出了一种小波除噪的阈值选取算法，有较好的除噪效果， 介绍如下：令叠加了噪声的信号在尺度 n 的小波变换系数为 Cn，并假设

H1: C1=C2=…=CN

H2: C1=C2=…=Cn≠Cn 1≠…=CN-1=CN

假设 H1 正确，则小波变换就表示这是不含有扰动的检测信号，即只包含有平稳信号或噪声。另一方面，假设 H2 正确，则扰动有可能发生在 n 1的位置 。

小波变换阈值λ 的设置步骤如下：（ 1）验证假设的 H1；（ 2） H1 不成立，而 H2 成立，除去绝对值最大的小波变换系数，令 N=N-1 重新回到第（ 1）步。否则，进行第（ 3）步。（ 3） H1 成立，绝对值最大的小波变换系数就设置为阈值λ ；（ 4）用阈值λ 处理原来的小波变换系数。为验证假设的 H1，利用 Brownian 桥式经验公式得到一个序列 B(n/N) 。

如果把上述算法中的小波变换系数 Cn 用小波包变换系数 C[m n]（ m 为小波包分解层数， n 为小波包分解的结点位置）来替代，就得到了小波包除噪的阈值选取算法。由于小波变换系数和小波包变换系数的分布不完全一样，这样直接得到的小波包阈值选取算法除噪效果不理想，因此，需要对算法进行改进 。