获取属性组成的完整列表：
获取数据和系数维度：
另外，也使用
All 作为一个变量以获取所有系数：
使用
Automatic 仅获取在逆变换中使用的系数：
使用
或者
来查看可用的小波系数：
提取特定的系数数组：
提取对应于小波指标指定的某些小波系数：
提取小波指标匹配一个模式的所有系数：
使用一个更高的精细度来增加频率分辨率：
在较小的精细度下，更多的信号能量留在
中：
在进一步修正下，
被分解为更多的分量：
使用不同小波群，计算小波包变换：
比较系数：
使用不同小波群来获取不同的特色：
使用
WaveletListPlot 在共用水平轴上绘制系数：
纵坐标为共用垂直轴：
使用
WaveletScalogram 将系数可视化为一个关于时间和精细度的函数：
当鼠标指针移过一个系数时，系数指标作为工具提示条出现：
常量数据：
所有系数都是小的，除了粗系数
：
数据在最高可分辨频率（Nyquist 频率）处振荡：
只有第一个细系数
和它的粗子系数
不小：
具有大不连续性的数据：
粗系数
具有和数据相同大规模的结构：
细系数对不连续点敏感：
具有空间和频率结构的数据：
粗系数
跟踪数据的局部均值：
第一个细系数
和它的粗子系数
表示振荡：
在一个共用垂直轴上的所有系数：
计算一个二维平稳小波包变换：
查看小波系数组成的树：
逆变换以取得原始信号：
使用
将每个系数可视化为一个
MatrixPlot：
可视化对角细系数
和它的子系数
：
在二维情况下，在每个方向上滤波器操作的向量可以被计算：
将这些向量解释为二进制数字展开，我们得到了小波指标数字：
获取 Haar 小波的低通和高通滤波器：
所得的二维滤波器是二个方向上的滤波器的外积：
步骤数据的小波变换：
具有垂直不连续性的数据：
所有水平和对角细系数，小波指标
，为零：
具有水平不连续性的数据：
所有垂直和对角细系数，小波指标
，是零：
计算一个三维小波包变换：
列出所有计算得到的小波系数：
逆变换以取得原始信号：
一个三维交叉数组的小波变换：
可视化低通小波系数
：
原始数据的能量在变换后的系数内的守恒的：
小波系数作为数据列表对每个图像通道给出：
获取原始
Image 对象，而不对颜色层级进行重新调整：
将
系数的逆变换作为一个
Image 对象得到：
默认情况下，系数作为数据列表对每个声音通道给出：
将
系数作为一个
Sound 对象得到：
系数的逆变换作为一个
Sound 对象：
的一个图像.
.
给出，其中 
是 data 的最小维度.
给出.
层包括粗系数 
和细系数 
，其中 
表示输入 data. 
、
、
和 
给出，其中 
是相应的 wspec 的滤波器长度，而 
是输入 data 的长度.
给出.
是低通滤波器系数，而 
是高通滤波器系数，它们是对于每个小波群定义的. 
来提取系数图像：
和 
小波系数：
系数合并：
系数比较：
范例
例 
范围 
