主要内容
频率中断的连续和离散小波分析
这个例子展示了离散小波变换(DWT)和连续小波变换(类)．
什么时候连续分析比离散分析更合适?
要回答这个问题，请考虑相关的问题:您是否需要知道连续分解的所有值来精确地重建信号?你能执行非冗余分析吗?当信号的能量是有限的，并不是所有的分解值都需要精确地重建原始信号，如果你使用的小波满足某些容许条件。通常的小波满足这个条件。在这种情况下，连续时间信号的特征是离散变换的知识。在这种情况下，离散分析是充分的，连续分析是多余的。
连续分析通常更容易解释，因为它的冗余倾向于加强特征，并使所有信息更可见。对于非常微妙的信息尤其如此。因此，分析获得了“可读性”，并易于解释在节省空间方面所失去的内容。
频率中断信号的小波变换和连续小波变换
展示如何使用小波分析可以检测信号变化的准确瞬间。使用由慢正弦波和中正弦波组成的不连续信号。
负载freqbrk；信号= freqbrk;
在第5层使用Haar小波进行离散小波变换(DWT)。
列弗= 5;wname =“db1”；nbcol = 64;[c、l] = wavedec(信号,列弗,wname);
展开离散小波系数作图。
len =长度(信号);cfd = 0 (lev, len);为K = 1: d = detcoef(c,l, K);d = d(:)”;d = d((1、2 ^ k),:);cfd (k) = wkeep (d (:), len);结束cfd = cfd (:);我找= (abs (cfd) < sqrt (eps));cfd (I) = 0(大小(I));cfd =重塑(cfd,列弗,len);cfd = wcodemat (cfd nbcol,“行”）;h211 =次要情节(2,1,1);h211。XTick = [];情节(信号,“r”）;标题(分析了信号。）;甘氨胆酸ax =;斧子。XLim = [1 length(signal)]; / /信号长度次要情节(2,1,2);colormap(酷(128));图像(cfd);抽搐= 1:lev;实验室= int2str(抽搐”);甘氨胆酸ax =; ax.YTickLabelMode =“手动”；斧子。YDir =“正常”；斧子。盒=“上”；斧子。YTick =抽搐;斧子。YTickLabel =实验室;标题(离散变换，绝对系数）;ylabel (“水平”）;
执行连续小波变换(CWT)和可视化结果
图;(慢性疲劳综合症,f) = cwt(信号1“waveletparameters”3.1 [3]);惠普= pcolor(1:长度(信号),f, abs (cfs));惠普。EdgeColor =“没有”；集(gca),“YScale”，“日志”）;包含(“样本”）;ylabel (“log10 (f)”）;
如果你只看最精细的CWT系数，你可以精确地定位频率变化。
情节(abs (cfs (1,:)));网格在；
这个例子显示了小波分析相对于傅里叶分析的一个重要优势。如果用傅里叶变换分析相同的信号，我们就无法检测到信号频率变化的瞬间，而在这里可以很清楚地观察到。
你也可以从以下列表中选择一个网站:
