# 小波工具箱
利用小波来分析和合成信号与图像
小波工具箱提供用于分析和合成信号和图像的功能。你可以检测异常点、变化点和瞬态等事件，并对数据进行去噪和压缩。小波和其他多尺度技术可用于分析不同时间和频率分辨率的数据，并将信号和图像分解为其不同的组成部分。
你可以使用小波技术来降低维度，并从信号和图像中提取鉴别特征来训练机器和深度学习模型。
通过小波工具箱，你可以交互式地对信号进行去噪，进行多分辨率和小波分析。该工具箱包括连续和离散小波分析、小波包分析、多分辨率分析、小波散射和其他多尺度分析的算法。
函数库：TyWavelet
提示
使用本函数库之前，需要通过import TyWavelet或using TyWavelet来实现加载。
关于import和using的详细用法，请参见模块的命名空间管理。
CWT、常数 Q 变换、经验模式分解、小波相干性、小波互谱
| 类别 | 简介 |
|---|---|
| 连续小波变换 | 一维和二维 CWT、逆一维 CWT、一维 CWT 滤波器组、小波交叉谱和相干性 |
DWT、MODWT、双树小波变换、剪切波、小波包、多信号分析
| 类别 | 简介 |
|---|---|
| 信号分析 | 抽取和非抽取的一维小波变换，一维离散小波变换滤波器组，一维双树变换，小波包 |
| 图像分析 | 抽取和非抽取的二维变换，二维双树变换，剪切波，图像融合，小波包分析 |
| 三维分析 | 体数据的离散小波分析 |
| 多信号分析 | 多元信号，多信号PCA |
小波阈值去噪，非参数回归，块阈值处理，多信号阈值处理
| 类别 | 简介 |
|---|---|
| 去噪 | 小波阈值去噪，非参数回归，块状阈值处理，多信号阈值处理 |
| 压缩 | 小波空间定向树、SPIHT、EZW、WDR、AWDR、匹配追踪 |
基于小波的机器学习和深度学习技术，GPU 加速，硬件部署，信号标记
| 类别 | 简介 |
|---|---|
| 特征提取 | 多分辨率分析，小波时间散射，连续小波变换，非截断离散小波变换，Wigner-Ville 分布，mel 谱 |
正交和双正交小波和缩放滤波器，提升
| 类别 | 简介 |
|---|---|
| 正交和双正交滤波器组 | Daubechies 极值相位、最小不对称和最佳定域小波、Fejér-Korovkin 滤波器、coiflets、Han 线性相位滤波器 Morris 最小带宽滤波器、Beylkin 和 Vaidyanathan 滤波器、双正交样条滤波器 |
| 提升 | 一维和二维提升、局部多项式变换、Laurent 多项式 |