主要内容
频率中断的连续和离散小波分析
此示例显示了离散小波变换之间的差异（DWT.）和连续小波变换（CWT.）。
什么时候持续分析比离散分析更合适？
要回答这个问题，请考虑相关的问题:您是否需要知道连续分解的所有值来精确地重建信号?你能执行非冗余分析吗?当信号的能量是有限的，并不是所有的分解值都需要精确地重建原始信号，如果你使用的小波满足某些容许条件。通常的小波满足这个条件。在这种情况下，连续时间信号的特征是离散变换的知识。在这种情况下，离散分析是充分的，连续分析是多余的。
持续分析通常更容易解释，因为它的冗余倾向于加强特征，并使所有信息更加明显。非常细微的信息尤其如此。因此，分析在“可读性”中提升，并易于解释它在节省空间方面失去的内容。
DWT和CWT的信号断开
显示使用小波的分析如何在信号变化时检测精确的即时。使用不连续的信号，该信号由慢速正弦波突然组成，然后是媒体正弦波。
加载Freqbrk.；signal = freqbrk;
使用HAAR小波在5级执行离散小波变换（DWT）。
Lev = 5;wname =“db1”；nbcol = 64;[c，l] = wavedec（信号，lev，wname）;
展开绘图的离散小波系数。
len =长度（信号）;CFD =零（LEV，LEN）;为了K = 1：LEV D = DETCOEF（C，L，K）;d = d（:)';d = d（1,2 ^ k），:);CFD（k，:) = WHEAK（D（:)'，LEN）;结尾cfd = cfd (:);我找= (abs (cfd) < sqrt (eps));cfd (I) = 0(大小(I));cfd =重塑(cfd,列弗,len);cfd = wcodemat (cfd nbcol,'排'）;H211 =子图（2,1,1）;h211.xtick = [];绘图（信号，'r'）;标题（分析了信号。）;斧头= GCA;ax.xlim = [1长度（信号）];子图（2,1,2）;Colormap（Cool（128））;图像（CFD）;TICS = 1：LEV;Labs = Int2str（TICS'）;斧头= GCA;ax.yticklabelmode ='手动的'；ax.ydir ='普通的'；AX.BOX =.'在'；ax.ytick = TICS;ax.yticklabel =实验室;标题（'离散变换，绝对系数。）;ylabel（'等级'）;
执行连续小波变换（CWT）和可视化结果
数字;[CFS，F] = CWT（信号，1，'小波帕纳姆'，[3 3.1]）;HP = PColor（1：长度（信号），F，ABS（CFS））;hp.edgecolor ='没有任何'；集(gca),'yscale'那'日志'）;Xlabel（'样本'）;ylabel（'log10（f）'）;
如果您只需查看最精细的CWT系数，可以精确地本地化频率变化。
绘图（ABS（CFS（1，:)））;网格在；
该示例显示了傅里叶上的小波分析的重要优势。如果通过傅里叶变换分析相同的信号，则在信号的频率变化时，我们将无法检测到瞬态，而这里可以清楚地观察到。
您还可以从以下列表中选择一个网站：
