Используйте вейвлеты, чтобы анализировать финансовые данные.

Сигналы с очень быстрыми эволюциями, такими как переходные сигналы в динамических системах могут претерпеть резкие изменения, такие как скачок или резкое изменение в первой или второй производной. Анализ Фурье обычно не в состоянии обнаружить те события. Цель этого примера состоит в том, чтобы показать, как анализ вейвлетами может обнаружить точный момент, когда сигнал изменяется и также тип (разрыв сигнала или резкое изменение в его первой или второй производной) и амплитуда изменения. В обработке изображений одно из основного приложения является обнаружением ребра, которое также включает обнаруживающие резкие изменения.

Используйте вейвлеты, чтобы анализировать физиологические сигналы.

Изучите преимущества, которые преобразовывает двойной древовидный дискретный вейвлет, обеспечивает по критически произведенному дискретному вейвлету, преобразовывают.

Используйте вейвлеты, чтобы охарактеризовать локальную регулярность сигнала. Способность описать регулярность сигнала важна при контакте с явлениями, которые не имеют никакой характеристической шкалы. Сигналы с динамикой без шкал широко наблюдаются во многих различных областях применения включая биомедицинскую обработку сигналов, геофизику, финансы и интернет-трафик. Каждый раз, когда вы применяете некоторый аналитический метод к своим данным, вы неизменно принимаете что-то о данных. Например, если вы используете автокорреляцию или оценку степени спектральной плотности (PSD), вы принимаете, что ваши данные являются инвариантом перевода, что означает, что статистические данные сигнала как среднее значение и отклонение не изменяются в зависимости от времени. Сигналы без характеристической шкалы инвариантны к масштабу. Это означает, что статистические данные сигнала не изменяются, если мы расширяем или уменьшаем ось времени. Классическим методам обработки сигналов обычно не удается соответственно описать эти сигналы или показать различия между сигналами с различным поведением масштабирования. В этих случаях фрактальный анализ может обеспечить уникальное понимание. Некоторые следующие примеры используют pwelch и xcorr для рисунка. Чтобы выполнить тот код, у вас должен быть Signal Processing Toolbox™.