教程

• 可视化小波，小波包和小波滤波器
  

  获得与特定小波族相对应的滤波器、小波或小波包。

• 时频分析与连续小波变换
  

  了解CWT如何帮助您获得清晰的时频表示。

• 离散小波分析
  

  利用离散小波变换技术对信号和图像进行分析和去噪。

• 严格采样小波包分析
  

  获得一维信号和二维图像的小波包变换。

• 匹配的追求
  

  创建匹配追踪字典并对一维信号执行匹配追踪。

• 提升
  

  在进行离散小波变换时，利用提升来设计小波滤波器。

关于小波

• 什么是小波?
  

  学习小波和如何检测信号不连续的一般信息。

• 连续和离散小波变换
  

  决定是使用离散小波变换还是连续小波变换。

• 选择一个小波
  

  学习为您的应用程序选择正确小波的标准。

特色的例子

连续小波分析实用介绍

执行和解释连续小波分析。这个例子可以帮助您回答一些常见的问题，例如:连续小波分析和离散小波分析的区别是什么?为什么连续小波分析中的频率或尺度是对数间隔的?在什么类型的信号分析问题中连续小波技术特别有用?

打开生活的脚本

多分辨率分析实用介绍

执行和解释基本信号多分辨率分析(MRA)。该示例使用模拟数据和真实数据来回答以下问题:多分辨率分析意味着什么?通过执行多分辨率分析，我可以获得关于我的信号的哪些见解?不同MRA技术的优点和缺点是什么?这里展示的许多分析可以使用信号多分辨率分析仪应用程序进行复制。

打开生活的脚本

调制信号的连续小波分析

采用连续小波变换(CWT)对调制信号进行分析。

打开生活的脚本

用小波信号去噪对信号去噪

使用小波信号去噪应用程序去噪一个实值一维信号。您可以创建和比较多个版本的去噪信号与应用程序，并导出所需的去噪信号到您的MATLAB®工作空间。为了在您的工作空间中再现去噪信号，或者将相同的去噪参数应用于其他数据，您可以生成并编辑一个MATLAB脚本。这个示例演示了一种可能的工作流。

打开生活的脚本

利用小波分析和深度学习对时间序列进行分类

利用深度学习和连续小波变换对心跳心电图数据进行分类。

打开生活的脚本

基于小波时间散射的音乐类型分类

使用小波时间散射和音频数据存储对音乐节录的类型进行分类。

打开生活的脚本

规模-局部波动性和相关性

小波变换有许多不同的变化。本例重点讨论了最大重叠离散小波变换。MODWT是一种二进(2的幂)尺度上的非抽取小波变换，经常用于金融数据。MODWT用于时间序列分析的一个很好的特征是它按尺度划分数据方差。为了说明这一点，考虑1974年第一季度到2012年第四季度的美国实际GDP季度链加权数据。对数据进行转换，首先取自然对数，然后计算年与年的差异。用“db2”小波获取真实GDP数据到第6级的MODWT。检验数据的方差，并与MODWT得到的尺度方差进行比较。

打开脚本

视频

理解小波，第1部分:什么是小波
在这个介绍性的MATLAB技术讲座中探索小波变换的基本概念。本视频介绍了什么是小波，以及如何使用它们在MATLAB中探索数据。视频重点介绍了两个重要的小波变换概念:缩放和移动。这些概念可以应用于图像等二维数据。

理解小波，第2部分:小波变换的类型
详细探讨小波变换的工作原理。您将学习更多关于连续小波变换和离散小波变换的知识。您还将学习在MATLAB中使用小波变换的重要应用。

理解小波，第3部分:离散小波变换的应用实例
学习如何使用小波去噪信号，同时保留其尖锐的特征在这个MATLAB技术会谈。这个视频概述了使用MATLAB用离散小波变换去噪信号的步骤。了解这种去噪技术与其他去噪技术的比较。

理解小波，第4部分:连续小波变换的应用实例
探讨连续小波变换在MATLAB技术讲座中的实际应用。概述如何使用MATLAB获得一个更清晰的信号时频分析与连续小波变换。本视频以地震信号为例，强调了连续小波变换的频率定位能力。

理解小波，第5部分:机器学习和基于小波散射的深度学习
小波散射网络帮助您从信号和图像中自动获取低方差特征，用于机器学习和深度学习应用程序。在这个MATLAB技术讲座中，学习小波散射变换，以及如何将其用作分类的自动鲁棒特征提取器。