MATHEMATICA 内置符号

StationaryWaveletPacketTransform

StationaryWaveletPacketTransform[data]
给出由 data 组成的数组的平稳小波包变换（SWPT）.

StationaryWaveletPacketTransform[data, wave]
使用小波 wave 给出平稳小波包变换.

StationaryWaveletPacketTransform[data, wave, r]
使用 r 个精细度，给出平稳小波包变换.

StationaryWaveletPacketTransform[image, ...]
给出一个图像的平稳小波包变换.

StationaryWaveletPacketTransform[sound, ...]
给出采样声音的平稳小波包变换.

更多信息 更多信息

StationaryWaveletPacketTransform 给出一个 DiscreteWaveletData 对象.
DiscreteWaveletData dwd 的属性可以使用 dwd["prop"] 找到，而可用属性列表可以使用dwd["Properties"] 找到.
StationaryWaveletPacketTransform 是 StationaryWaveletTransform 的一个推广，其中小波系数组成的完全树被计算.
data 可以是任意深度的矩形数组.
默认情况下，输入 image 被转化为类型为的一个图像.
所得的小波系数是具有和输入 data 相同深度和维度的数组.
可能的小波 wave 包括：

	BattleLemarieWavelet[...]	基于B 样条的 Battle-Lemarié 小波
	BiorthogonalSplineWavelet[...]	基于B 样条的小波
	CoifletWavelet[...]	Daubechies 小波的对称变种
	DaubechiesWavelet[...]	Daubechies 小波
	HaarWavelet[...]	典型的 Haar 小波
	MeyerWavelet[...]	定义在频域中的小波
	ReverseBiorthogonalSplineWavelet[...]	基于B 样条的小波（逆对偶和原）
	ShannonWavelet[...]	基于 sinc 函数的小波
	SymletWavelet[...]	最小不对称正交小波

默认的 wave 是 HaarWavelet[].
在精细度 r 更高设置下，解决了较大规模的特点.
默认精细度 r 由 $min(TemplateBox[{{{InterpretationBox[{log, _, DocumentationBuild`Utils`Private`Parenth[2]}, Log2, AutoDelete -> True], (, n, )}, +, {1, /, 2}}}, Floor],4)$ 给出，其中是 data 的最小维度.
在精细度 Full 下，r 由 $TemplateBox[{{{InterpretationBox[{log, _, DocumentationBuild`Utils`Private`Parenth[2]}, Log2, AutoDelete -> True], (, n, )}, +, {1, /, 2}}}, Floor]$ 给出.
小波系数组成的树在第层包括粗系数和细系数，其中表示输入 data.
正向变换由、、和给出，其中是相应的 wspec 的滤波器长度，而是输入 data 的长度.
逆变换由给出.
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.
可以给出如下选项：
Method Automatic 所使用的方法

WorkingPrecision MachinePrecision 在内部计算中所使用的精度
StationaryWaveletPacketTransform 使用数据的周期性填充.
InverseWaveletTransform 给出逆变换.
默认情况下，InverseWaveletTransform 为重构使用由 dwd["BasisIndex"] 表示的系数. 使用WaveletBestBasis 来计算并设置一个最优基.