时间 - 周波数解析でサポートされるウェーブレット

データの连続ウェーブレット変换を求めるには，关数英担を使用します。この关数のwname引数を使用して，データに最适なウェーブレットのタイプを指定することができます。既定では，英担は一般化莫尔斯ウェーブレットファミリを使用します。このファミリは2つのパラメーターで定义されます。パラメーターを変更して，よく使用される多くのウェーブレットを再作成することができます。

表に示しているウェーブレットはすべて解析的です解析的なウェーブレットとは片侧スペクトルを持つウェーブレットであり，时间领域において复素数値ですこれらのウェーブレットは，CWTを使用して时间。 - 周波数解析を求めるのに适しています。ウェーブレット系数は复素数値であるため，CWTは位相情报を提供します。英担は，解析的なウェーブレットと反解析的なウェーブレットをサポートします。详细については，CWTによる时间 - 周波数解析を参照してください。

エネルギーの维持

解析段阶でエネルギーを维持することが重要である场合，直交ウェーブレットを使用しなければなりません。直交変换ではエネルギーが维持されます。コンパクトサポートを持つ直交ウェーブレットの使用を検讨してください.Haarウェーブレットを除いて，コンパクトサポートを持つ直交ウェーブレットは対称ではないことに注意してください。关连するフィルターは非线形位相を持っています。次の表に，サポートされる直交ウェーブレットを示します。すべての离散ウェーブレット変换关数でwname引数を使用することで，データに最适なウェーブレットのタイプを指定することができます。すべてのウェーブレットファミリ名については，wavemngr（ '读'）を参照してください。

waveinfoを使用して，个々のウェーブレットファミリの详细について学习します。たとえば，waveinfo（ 'DB'）です。

境界の歪みへの対处方法によっては，DWTは解析段阶でエネルギーを保存しない可能性があります。详细については，dwtmodeおよび边框效果を参照してください。最大重复离散ウェーブレット変换MODWTおよび最大重复离散ウェーブレットパケット変换MODWPTはエネルギーを保存します。ウェーブレットパケット分解wpdecはエネルギーを保存しません。

特徴検出

近接した特徴を検出する场合は，哈尔，DB2，SYM2といったサポートの小さいウェーブレットを选択します。ウェーブレットのサポートは，対象の特徴を区别できるくらい小さくなければなりません。サポートの大きいウェーブレットは，近接する特徴を検出するのが困难である倾向があります。サポートの大きいウェーブレットを使用すると，结果的に个々の特徴を区别しない系数になる可能性があります。例については，ノイズの多いデータに対するウェーブレットサポートの影响を参照してください。データがもつ过渡特性の间隔がまばらである场合，サポートの大きいウェーブレットを使用することができます。

分散分析

分散分析の実施が目的の场合，最大重复离散ウェーブレット変换（MODWT）がタスクに适しています.MODWTは标准DWTの一种です。

详细については，MODWTおよびmodwtmraを参照してください。MODWTとMODWTMRAの比较も参照してください。

冗长性

ウェーブレットの正规直交ファミリを使用して信号の间引きDWT（wavedec）を行うと，信号の最小冗长表现が提供されます。スケール内およびスケール全体のウェーブレットにオーバーラップが存在しません。系数の数は信号サンプルの数と等しくなります。认识されていない特徴を削除するときは，最小冗长表现が圧缩に适しています。

信号のCWTは，冗长性の高い信号表现を提供します。スケール内およびスケール全体のウェーブレット间に大きなオーバーラップが存在します。また，スケールの细かな离散化を考虑すると，CWTの计算とウェーブレット系数の保存にかかるコストはDWTよりも大幅に高くなります。最大重复DWT（MODWT）も冗长な変换ですが，冗长性系数はCWTよりも大幅に少ないのが一般的です。冗长性は，周波数ブレークポイントやその他の过渡イベントなど，调べたい信号の特性と特徴を补强する倾向があります。

作业で最小限の冗长性を使用して信号を表现する必要がある场合は，wavedecを使用します。作业で冗长表现が必要な场合は，MODWTまたはMODWPTを使用します。例については，周波数ブレークの连続および离散ウェーブレット解析を参照してください。

直交性

ウェーブレットが直交である场合，ウェーブレット変换ではエネルギーが维持されます.Haarウェーブレットを除いて，コンパクトサポートをもつどの直交ウェーブレットも対称ではありません。关连するフィルターは非线形位相をもっています。

消失モーメント

ñ个の消失モーメントをもつウェーブレットは，次数がN-1の多项式に直交します。例については，ウェーブレットと消失モーメントを参照してください。消失モーメントの数とウェーブレットの振动には缓やかな关系があります。ウェーブレットがもつ消失モーメントの数が多いほど，ウェーブレットが振动する回数が増えます。

多くのウェーブレットの名前は，消失モーメントの数から派生します。たとえば，DB6は6个の消失モーメントをもつ的Daubechiesウェーブレットであり，SYM3は3个の消失モーメントをもつsymletです.Coifletウェーブレットの场合，coif3は6个の消失モーメントをもつCoiflet小波です.Fejér-Korovkinウェーブレットの场合，FK8は长さ8のフィルターをもつ费耶尔-Korovkinウェーブレットです。双直交ウェーブレット名は，解析ウェーブレットと合成ウェーブレットがそれぞれもつ消失モーメントの数から派生します。たとえば，bior3.5は合成ウェーブレットに3个の消失モーメント，解析ウェーブレットに5个の消失モーメントをもつ双直交ウェーブレットです。详细については，waveinfoとwavemngrを参照してください。

消失モーメントの数はウェーブレットのサポートにも影响します.Daubechies氏は，ñ个の消失モーメントをもつウェーブレットには少なくとも长さ2N-1のサポートがなければならないことを证明しました。

正则性

正则性は，关数がもつ连続导关数の数に关连します。直感的に，正则性は平滑度の尺度であると见なすことができます。データの急激な変化を検出するために，ウェーブレットは十分に正则でなければなりません。ウェーブレットがñ个の连続导关数をもつには，ウェーブレットには少なくともN + 1个の消失モーメントが必要です。例については，不连続部分および不连続点の検出を参照してください。过渡特性が少なく比较的滑らかなデータである场合，より正则なウェーブレットの方が作业に适している可能性があります。