获取属性的全部列表：
获取数据和系数维数：
使用
Automatic 只获得用于逆变换的系数：
使用
或
找到哪个小波系数可用：
提取指定的系数阵列：
提取多个对应于小波索引指标列表的小波系数：
提取小波索引与模式匹配的所有系数：
使用
WaveletBestBasis 计算小波包系数的最优基：
在所有系数的块网格中突出最佳基：
使用
提取最佳基：
在诸如
WaveletListPlot 的函数中，默认情况下，使用已计算的最佳基：
使用更高的精细度增加频率分辨率：
更小的精细度，更多的信号能量存在于
：
更高的精细度，
分解进更多的分量中：
使用不同的小波族计算小波包变换：
比较系数：
使用不同的小波族，捕捉不同的特征：
使用
WaveletListPlot 在共同横轴上绘制系数：
在共同纵轴上绘制：
利用
WaveletScalogram 把系数可视化为关于时间和精细层的函数：
当鼠标光标移过一个系数时，系数索引以工具提示条的形式出现：
常数数据：
所有系数都小，除了粗系数
：
在最高可解析的频率（奈奎斯特频率）的数据振荡：
只有第一个细节系数
和它的粗子系数
不小：
具有很大不连续的数据：
粗系数
具有与数据一样大的结构规模：
细节系数对不连续很明感：
具有空间和频率的结构的数据：
粗系数
跟踪数据的局部均值：
第一个细节系数
与它的粗子系数
代表振荡：
在共同垂直轴上的所有系数：
计算一个二维的小波包变换：
小波系数树的视图：
进行逆变换找回原始的信号：
二维中，每个方向的滤波操作矢量是可以计算的：
作为二进制数字扩展来诠释这些向量，可以生成小波索引数：
获得哈尔小波的低通和高通滤波器：
由此得到的二维滤波器是两个方向滤波器的外积：
阶梯数据的小波变换：
具有垂直不连续的数据：
所有水平和对角细节系数，小波索引
为零：
具有水平不连续的数据：
所有垂直和对角细节系数，小波索引
为零：
具有对角不连续的数据：
所有垂直和水平细节系数，小波索引
为零：
计算一个三维小波包变换：
所有系数的块网格视图：
三维交叉阵列的小波变换：
可视化低通小波系数
：
变换系数时，原始数据的能量是守恒的：
小波系数通常以每个图像通道的数据列表形式给出：
以
Image 对象的形式获得
系数的逆变换：
从图像数据的包变换中计算系数的最优树：
使用
WaveletImagePlot 在分层网格中绘制最优树：
默认情况下，系数是以每个声通道的数据列表的形式给出：
以
Sound 对象的形式给出系数
：
以
Sound 对象的形式给出系数
的逆变换：
从声数据的包变换中计算系数的最优树：
的图像.
.
给出，其中 
是 data 的最小维数.
给出.
层的小波系数树包括粗系数 
和细节系数 
，其中 
代表输入 data. 
、
、
和 
给出.
给出. 
是低通滤波器系数，
是高通滤波器系数，它们是为每个小波族定义的. 
和 
的维数是由 
给出，其中 
是输入 data 维数，fl 是对应的 wspec 的滤波器长度.
提取系数图像：
:
:
:
:
:
:
填充：
填充减少非周期数据的边界效应：
进行确切计算：
，计算得出的系数是一样的：
的规范化：
和 
小波系数：
系数：
系数：
范例
例 
范围 
