Дискретные вейвлет-преобразования (DWT), включая максимальное перекрытие дискретного вейвлет-преобразования (MODWT), анализируют сигналы и изображения в постепенно более тонкие октавные полосы. Этот анализ множественных решений позволяет обнаружить шаблоны, которые не видны в необработанных данных. Можно использовать вейвлеты для получения многомасштабных оценок дисперсии сигнала или измерения многомасштабной корреляции между двумя сигналами. Можно также восстановить приближения сигнала (1-D) и изображения (2-D), которые сохраняют только нужные характеристики, и сравнить распределение энергии в сигналах по диапазонам частот. Широты обеспечивают разреженные приближения анизотропных признаков на изображениях. Вейвлет-пакеты обеспечивают семейство преобразований, которые разделяют частотное содержание сигналов и изображений на постепенно более тонкие интервалы равной ширины.
Используйте функции Wavelet Toolbox™ для анализа сигналов и изображений с использованием прореженных (пониженных) и недекимированных вейвлет-преобразований. Можно создать банк фильтров DWT и визуализировать вейвлеты и функции масштабирования во времени и частоте. Можно также создать набор фильтров, используя собственные пользовательские фильтры, и определить, является ли набор фильтров ортогональным или биоргональным. Можно измерить 3-dB полосы пропускания функций вейвлетов и масштабирования. Можно также измерить концентрацию энергии функций вейвлета и масштабирования в теоретических полосах пропускания DWT. Многосигнальный анализ используется для выявления зависимостей между несколькими сигналами. Используйте щели для создания чувствительных к направлению разреженных представлений изображений. Определите оптимальное вейвлет-пакетное преобразование для сигнала или изображения. Используйте спектр вейвлет-пакетов для получения частотно-временного анализа сигнала.
