执行和解释连续小波分析。这个例子可以帮助您回答一些常见的问题，例如:连续小波分析和离散小波分析的区别是什么?为什么连续小波分析中的频率或尺度是对数间隔的?在什么类型的信号分析问题中连续小波技术特别有用?

执行和解释基本信号多分辨率分析(MRA)。该示例使用模拟数据和真实数据来回答以下问题:多分辨率分析意味着什么?通过执行多分辨率分析，我可以获得关于我的信号的哪些见解?不同MRA技术的优点和缺点是什么?这里展示的许多分析可以使用信号多分辨率分析仪应用程序进行复制。

采用连续小波变换(CWT)对调制信号进行分析。

使用小波信号去噪应用程序去噪一个实值一维信号。您可以创建和比较多个版本的去噪信号与应用程序，并导出所需的去噪信号到您的MATLAB®工作空间。为了在您的工作空间中再现去噪信号，或者将相同的去噪参数应用于其他数据，您可以生成并编辑一个MATLAB脚本。这个示例演示了一种可能的工作流。

利用深度学习和连续小波变换对心跳心电图数据进行分类。

使用小波时间散射和音频数据存储对音乐节录的类型进行分类。在小波散射中，数据通过一系列小波变换、非线性和平均来产生数据的低方差表示。然后将这些低方差表示用作分类器的输入。

小波变换有许多不同的变化。本例重点讨论了最大重叠离散小波变换。MODWT是一种二进(2的幂)尺度上的非抽取小波变换，经常用于金融数据。MODWT用于时间序列分析的一个很好的特征是它按尺度划分数据方差。为了说明这一点，考虑1974年第一季度到2012年第四季度的美国实际GDP季度链加权数据。对数据进行转换，首先取自然对数，然后计算年与年的差异。用“db2”小波获取真实GDP数据到第6级的MODWT。检验数据的方差，并与MODWT得到的尺度方差进行比较。