执行和解释连续小波分析。这个例子可以帮助你回答常见问题，如：什么是连续和离散小波分析的区别？为什么频率，或在连续小波分析天平对数间隔？在什么类型的信号分析问题连续小波变换技术特别有用吗？

执行和解释基本的信号多分辨率分析（MRA）。这个例子同时使用模拟和实际数据来回答这样的问题：什么是多尺度分析是什么意思？我可以得到我的信号有何见解进行多分辨率分析？什么是一些不同的MRA技术的优势和劣势？许多这里的分析中可以使用信号分析仪多分辨率的应用程序进行复制。

使用连续小波变换（CWT）分析调制的信号。

使用小波信号降噪应用降噪实值1-d信号。您可以创建和比较降噪信号的多个版本的应用程序和所需的降噪信号输出到您的MATLAB®工作区。要重现噪声的信号在您的工作区，或同一降噪参数应用到其他数据，就可以生成和编辑MATLAB脚本。本实施例说明一种可能的工作流程。

采用深度学习和连续小波变换分类心跳的心电数据。

分类小波时间散射和音频数据存储音乐节选的风格。在小波散射，数据通过一系列小波变换，非线性，和平均化的所述数据的生产低方差表示传播。然后将这些低方差表示被用作输入到分类器。

有许多的小波变换不同的变化。本实施例中着眼于最大重叠离散小波变换（MODWT）。所述MODWT是一个抽样小波变换过磅秤，这是经常与金融数据使用（2的幂）二进。该MODWT时间序列分析的一个大优点是，它通过划分规模的数据差异。为了说明这一点，考虑1974Q1季度连锁加权美国实际国内生产总值数据，2012Q4。该数据由第一取自然对数，然后计算较上年同期的差异转化。获取实际GDP数据的向下MODWT与“DB2”小波六级。检查数据的方差和比较，为通过刻度方差与MODWT获得。