小波与小波包、小波包分解与信号重构、小波包能量特征提取

时间序列模型中需要对时间数据进行分析，就可能会接触到小波，小波包，信号重构，小波包能量特征提取等概念
小波分析和小波包分析适合对非平稳信号分析

相比较小波分析，利用小波包分析可以对信号分析更加精细

小波包分析可以将时频平面划分的更为细致，对信号的高频部分的分辨率要好于小波分析

可以根据信号的特征，自适应的选择最佳小波基函数，以便更好的对信号进行分析，所以小波包分析应用更加广泛。
小波变换的实质是：原信号与小波基函数的相似性。
小波系数就是小波基函数与原信号相似的系数。

连续小波变换 ：小波函数与原信号对应点相乘，再相加，得到对应点的小波变换系数，平移小波基函数，再计算小波函数与原信号对应点相乘，再相加，这样就得到一系列的小波系数。

对于离散小波变换，由于很多小波函数不是正交函数，因此需要一个尺度函数
所以，原信号函数可以分解成尺度函数和小波函数的线性组合，在这个函数中，尺度函数产生低频部分，小波函数产生高频部分。
小波分析在工程应用中，一个十分重要的问题就是 最优小波基 的选择问题，因为用不同的小波基分析同一个问题会产生不同的结果。
目前我们主要是通过用小波分析方法处理信号的结果与理论结果的误差来判定小波基的好坏，由此决定小波基。

常用小波基有Haar小波、Daubechies(dbN)小波、Mexican Hat(mexh)小波、Morlet小波、Meyer小波等。