Дискретные вейвлет (DWT), включая максимальное перекрытие дискретного вейвлет (MODWT), анализируют сигналы и изображения в постепенно более мелкие октавные полосы. Этот мультирезолюционный анализ позволяет вам обнаружить шаблоны, которые не видны в необработанных данных. Можно использовать вейвлеты, чтобы получить многомасштабные оценки отклонения вашего сигнала или измерить многомасштабную корреляцию между двумя сигналами. Можно также восстановить приближения сигнала (1-D) и изображения (2-D), которые сохраняют только желаемые функции, и сравнить распределение энергии в сигналах между полосами. Shearlets обеспечивают разреженные приближения анизотропных функций на изображениях. Вейвлет обеспечивают семейство преобразований, которые разбивают частотное содержимое сигналов и изображений на постепенно более мелкие интервалы равной ширины.
Используйте функции Wavelet Toolbox™ для анализа сигналов и изображений с помощью децимированных (понижающих дискретизацию) и недекимулированных вейвлет. Можно создать банк фильтров DWT и визуализировать вейвлеты и функции масштабирования во времени и частоте. Можно также создать банк фильтров с помощью собственных пользовательских фильтров и определить, является ли банк фильтров ортогональным или биортогональным. Можно измерить 3-dB полосы пропускания вейвлетов и функции масштабирования. Можно также измерить концентрацию энергии вейвлет и функции масштабирования в теоретических полосах пропускания DWT. Используйте мультисигнальный анализ, чтобы выявить зависимости между несколькими сигналами. Используйте shearlets, чтобы создать чувствительные к направлению разреженные представления изображений. Определите оптимальный вейвлет преобразование пакета для сигнала или изображения. Используйте спектр вейвлет, чтобы получить частотно-временной анализ сигнала.
