python小波分解与重构_小波分解和重构

小波变换能够很好地表征一大类以低频信息为主要成分的信号，

小波包变换可以对高频部分提供更精细的分解

详见(http://www.cnblogs.com/welen/articles/5667217.html)

小波分解函数和重构函数的应用和区别

(https://www.baidu.com/link?url=NsLWcGxYPabqB0JEFzkjHzeLmcvGkjDRccPoaD7K0gwo9mrHRDCUgTbV15zT8NKTm9PAuTJ2Hwb3n10PutFRpbOdQRac7XC48fI2uYmA2eC&wd=&eqid=bae463400004bb3f000000035c0cc2a9)

小波分析基本函数可分为分解和重构两类.

一维小波分解函数和系数提取函数:

对常用的dwt、wavedec、appcoef函数的常用格式进行举例说明。

格式：  [ca, cd]=dwt(X,’wname’)        %单尺度一维离散小波分解

[C, L]=wavedec(X,N,’wname’)   %多尺度一维小波分解(多分辨分析函数)

ca=appcoef(C,L,’wname’,N)      %提取一维小波变换低频系数

说明：

(1)小波分解函数和系数提取函数的结果都是分解系数；

(2)如何理解小波系数：小波系数是信号在做小波分解时所选择的小波函数空间的投影。

我们知道，一个信号可以分解为傅里叶级数，即一组三角函数之和，而傅里叶变换对应于傅里叶级数的系数；同样，一个信号可以表示为一组小波基函数之和，小波变换系数就对应于这组小波基函数的系数。

(3)多尺度分解是按照多分辨分析理论，分解尺度越大