一维小波matlab命令

合集下载

(完整word版)MATLAB小波变换指令及其功能介绍(超级有用)

MATLAB小波变换指令及其功能介绍

1 一维小波变换的 Matlab 实现

(1） dwt函数

功能：一维离散小波变换

格式：［cA，cD］=dwt(X,'wname'）

[cA，cD］=dwt(X,Lo_D,Hi_D）别可以实现一维、二维和 N 维 DFT

说明:［cA，cD]=dwt（X,’wname’) 使用指定的小波基函数’wname’ 对信号X 进行分解,cA、cD 分别为近似分量和细节分量;[cA，cD]=dwt(X，Lo_D，Hi_D) 使用指定的滤波器组 Lo_D、Hi_D 对信号进行分解。

（2） idwt 函数

功能：一维离散小波反变换

格式：X=idwt（cA,cD，'wname')

X=idwt(cA,cD，Lo_R，Hi_R）

X=idwt（cA,cD,'wname',L)函数 fft、fft2 和 fftn 分

X=idwt（cA，cD，Lo_R，Hi_R,L)

说明：X=idwt(cA，cD,’wname’) 由近似分量 cA 和细节分量 cD 经小波反变换重构原始信号 X 。

'wname’为所选的小波函数

X=idwt（cA,cD,Lo_R,Hi_R）用指定的重构滤波器 Lo_R 和 Hi_R 经小

波反变换重构原始信号 X 。

X=idwt（cA,cD,’wname'，L) 和 X=idwt（cA,cD，Lo_R，Hi_R，L）指定返回信号 X 中心附近的 L 个点。

2 二维小波变换的 Matlab 实现

二维小波变换的函数别可以实现一维、二维和 N 维 DFT

函数名函数功能

—-————---—--—---——---—---—-—---—-——----——-----—————

离散小波变换matlab

一、离散小波变换介绍

离散小波变换（Discrete Wavelet Transform, DWT）是一种基于小波分析的数学方法，它可以将信号分解成不同尺度的频带，从而实现信号的多分辨率分析。与傅里叶变换相比，离散小波变换更加适用于非平稳信号的处理，如图像、音频等。

二、matlab中的离散小波变换函数

matlab提供了多种离散小波变换函数，常用的有dwt和wavedec两个函数。

1. dwt函数

dwt函数用于对一维信号进行单层离散小波变换。其语法为：[c,l] = dwt(x, wname)

其中，x为输入信号，wname为所选用的小波基名称。c为输出系数向量，l为各层输出长度向量。

2. wavedec函数

wavedec函数用于对一维信号进行多层离散小波分解。其语法为：[c,l] = wavedec(x, n, wname)

其中，x为输入信号，n为所需分解层数，wname为所选用的小波基

名称。c为输出系数向量，l为各层输出长度向量。

三、matlab中的离散小波重构函数

与离散小波变换函数对应，matlab也提供了离散小波重构函数，常用的有idwt和waverec两个函数。

1. idwt函数

idwt函数用于对单层离散小波变换系数进行重构。其语法为：

x = idwt(c, l, wname)

其中，c为输入系数向量，l为各层输出长度向量，wname为所选用的小波基名称。x为输出信号。

2. waverec函数

waverec函数用于对多层离散小波分解系数进行重构。其语法为：

常用小波函数及Matlab常用指令

[c,l]=wavedec(s,N,'wname') 对信号s进行一维N尺度分解x=waverec(c,l,'wname') 用指定的小波函数'wname'对小波分解结构(c,l)进行多尺度一维小波重构A=appcoef(c,l,'wname',N) 计算尺度N时的低频系数。D=detcoef(c,l,N) 提取N尺度的高频系数。[nc,nl,ca]=upwlev(c,l,'wname')对小波分解结构[c,l]进行单尺度重构，返回上一尺度的分解结构并提取最后一尺度的低频分量。x=wrcoef('type',c,l,'wname',N)对一维信号的分解结构[c,l]用指定的小波函数进行重构，当'type=a' 时对信号的低频部分进行重构，此时N可以为0.当'type=d'时，对信号的高频部分进行重构，此时N为正整数。y=upcoef('O',x,'wname',N) 用于一维小波分析，计算向量x向上N步的重构小波系数，N为正整数。如果O=a,对低频系数进行重构；如果O=d，对高频系数进行重构。[thr,sorh,keepapp]=ddencmp('den','wv',x)产生信号全局默认阈值，然后利用wdencmp函数进行消除噪声的处理,thr = sqrt(2*log(n)) * sxd=wdencmp('gbl',x,'db3',2,thr,sorh,keepapp)THR=wbmpen(C,L,SIGMA,ALPHA)使用penalization方法为降噪返回全局门槛THR.STDC=wnoisest(C,L,S)返回[C,L]在尺度S上的细节系数的标准差估计[THR,NKEEP]=wdcbm(C,L,ALPHA,M)返回各尺度上的相应门槛，存放于THR向量中，降噪一般将ALPHA设为3THR=thselect(X,TPTR)使用由TPTR指定的算法计算与X相适应的门槛

MATLAB小波变换指令及其功能介绍(超级有用).

MATLAB 小波变换指令及其功能介绍

1 一维小波变换的 Matlab 实现

(1 dwt函数

功能：一维离散小波变换

格式：[cA,cD]=dwt(X,'wname'

[cA,cD]=dwt(X,Lo_D,Hi_D别可以实现一维、二维和 N 维 DFT

说明：[cA,cD]=dwt(X,'wname' 使用指定的小波基函数 'wname' 对信号X 进行分解，cA 、cD 分别为近似分量和细节分量；

[cA,cD]=dwt(X,Lo_D,Hi_D 使用指定的滤波器组 Lo_D、Hi_D 对信号进行分解。

(2 idwt 函数

功能：一维离散小波反变换

格式：X=idwt(cA,cD,'wname'

X=idwt(cA,cD,Lo_R,Hi_R

X=idwt(cA,cD,'wname',L函数 fft、fft2 和 fftn 分 X=idwt(cA,cD,Lo_R,Hi_R,L

说明：X=idwt(cA,cD,'wname' 由近似分量 cA 和细节分量 cD 经小波反变换重构原始信号 X 。

'wname' 为所选的小波函数

X=idwt(cA,cD,Lo_R,Hi_R 用指定的重构滤波器 Lo_R 和 Hi_R 经小波反变换重构原始信号 X 。

X=idwt(cA,cD,'wname',L 和 X=idwt(cA,cD,Lo_R,Hi_R,L 指定返回信号 X 中心附近的 L 个点。

2 二维小波变换的 Matlab 实现

二维小波变换的函数别可以实现一维、二维和 N 维 DFT

函数名函数功能

--------------------------------------------------- dwt2 二维离散小波变换

解读matlab之小波库函数

解读matlab 之小波库函数

南京理工大学仪器科学与技术专业谭彩铭

2010-4-2

使用的matlab 软件版本为matlab7.1

1 dwt 函数

dwt 函数是单尺度一维小波变换函数。

dwt 函数执行过程中调用了函数conv2，这个函数是运算的关键，需要首先明白conv2函数的执行过程。要明白conv2函数，需要先明白conv 函数。

对w = conv(u,v)运算 Let m = length(u) and n = length(v). Then w is the vector of length m+n-1 whose kth element is

式（1）

假设h=[h(1) h(2) h(3) h(4)]，x=[x(1) x(2) x(3) x(4) x(5) x(6) x(7)]，为更直接地表达y=conv(h,x)的计算过程，作如下示意图。其中length(y)=7+4-1。

图1

对c=conv2(a,b)运算

这里，a 和b 为一维或二维矩阵，其计算过程可由下式表示

1212121122(,)(,)(1,1)k k c n n a k k b n k n k =+-+-∑∑

式（2）

The size of c in each dimension is equal to the sum of the corresponding dimensions of the input matrices, minus one. That is, if the size of a is [ma,na] and the size of b is [mb,nb], then the size of

matlab小波阈值 -回复

matlab小波阈值-回复

小波阈值是一种在信号处理中常用的技术，它可以有效地去除噪声，并提取出信号的重要特征。在Matlab中，可以使用小波阈值函数进行信号处理。本文将介绍小波阈值的基本原理、在Matlab中的应用以及一步一步的操作示例。

第一部分：小波阈值的基本原理

小波阈值是一种基于小波变换的信号处理方法，在该方法中，信号被分解为不同尺度和不同频率的小波系数。在信号的重建过程中，通过设定阈值，将小波系数中的噪声部分置零，从而达到去噪的目的。

小波阈值的基本原理可以用以下几个步骤来说明：

1. 对信号进行小波分解，得到小波系数。

2. 通过设定阈值，将小波系数中的噪声部分置零。

3. 对经过阈值处理后的小波系数进行逆变换，得到去噪后的信号。

第二部分：Matlab中的小波阈值函数

在Matlab中，可以使用“wdenoise”函数进行小波阈值处理。该函数的调用格式如下：

y = wdenoise(x,'Wavelet',wname) ：对一维信号x进行小波阈值处理，并使用指定的小波基wname进行小波分解和重构。

其中，参数x表示待处理的一维信号，参数'Wavelet'为可选参数，用于指定小波基的类型。参数wname可以是'haar'、'db'、'sym'等，分别代表Haar小波、Daubechies小波和Symlet小波等。

第三部分：使用Matlab进行小波阈值处理的操作示例

以下是一个在Matlab中进行小波阈值处理的具体操作示例：

1. 导入待处理的一维信号。

load noisysig.mat;

x = noisysig;

Matlab中常用小波函数.

matlab小波变换 Matlab 1. 离散傅立叶变换的 Matlab实现 Matlab 函数 fft、fft2 和 fftn 分别可以实现一维、二维和 N 维 DFT 算法；而函数 ifft、ifft2 和 ifftn 则用来计算反 DFT 。这些函数的调用格式如下： A＝fft(X,N,DIM 其中，X 表示输入图像；N 表示采样间隔点，如果 X 小于该数值，那么 Matlab 将会对 X 进行零填充，否则将进行截取，使之长度为 N ；DIM 表示要进行离散傅立叶变换。 A＝

fft2(X,MROWS,NCOLS 其中，MROWS 和 NCOLS 指定对 X 进行零填充后的 X 大小。别可以实现一维、二维和 N 维 DFT A＝fftn(X,SIZE 其中，SIZE 是一个向量，它们每一个元素都将指定 X 相应维进行零填充后的长度。函数 ifft、ifft2 和 ifftn 的调用格式于对应的离散傅立叶变换函数一致。别可以实现一维、二维和 N 维DFT 例子：图像的二维傅立叶频谱 1. 离散傅立叶变换的 Matlab实现% 读入原始图像 I＝imread('lena.bmp';函数 fft、fft2 和 fftn 分 imshow(I % 求离散傅立叶频谱

J=fftshift(fft2(I; figure;别可以实现一维、二维和 N 维 DFT imshow(log(abs(J,[8,10] 2. 离散余弦变换的 Matlab 实现 Matlab 2.1. dct2 函数功能：二维 DCT 变换 Matlab 格式：B=dct2(A B=dct2(A,m,n B=dct2(A,[m,n]函数 fft、fft2 和 fftn 分说明：B＝

matlab 一维离散小波分解

一维离散小波分解是一种常用的信号处理方法，可以将信号分解为不同尺度的频带。在Matlab中，可以通过使用小波变换函数实现一维离散小波分解。

一维离散小波分解的基本思想是将信号分解为低频部分和高频部分。低频部分包含信号中的低频成分，而高频部分则包含信号中的高频成分。通过不断迭代地对低频部分进行小波分解，可以得到不同尺度的频带。

在Matlab中，可以使用wavelet函数进行一维离散小波分解。首先，需要选择合适的小波基函数。常用的小波基函数有Daubechies小波、Haar小波和Symlets小波等。选择合适的小波基函数可以更好地适应信号的特性。

在使用wavelet函数进行一维离散小波分解时，需要指定分解的层数。分解的层数决定了信号被分解成的频带数量。较高的分解层数可以提供更多的细节信息，但也会增加计算的复杂性。

一维离散小波分解的结果是一个多尺度系数矩阵，其中每一行表示一个尺度的频带。通过对这个多尺度系数矩阵进行逆小波变换，可以将信号恢复到原始的时域。

在Matlab中，可以使用waverec函数进行逆小波变换。通过指定小波基函数、多尺度系数矩阵和分解的层数，可以将多尺度系数矩阵

恢复为原始信号。

除了一维离散小波分解外，Matlab还提供了二维离散小波分解和多维离散小波分解的函数。二维离散小波分解可以应用于图像处理领域，可以将图像分解为不同尺度和不同方向的频带。多维离散小波分解可以应用于更高维度的信号处理任务。

一维离散小波分解在信号处理领域有着广泛的应用。它可以用于信号压缩、信号去噪、特征提取等任务。通过分析不同尺度的频带，可以更好地理解信号的特性，并提取出有用的信息。

一维小波matlab命令

Matlab中的小波分析工具箱
Matlab小波分析工具箱提供了一个可视化的小波分析工具，是一个很好的算法研究和工程设计，仿真和应用平台。特别适合于信号和图像分析，综合，去噪，压缩等领域的研究人员。
常用的小波基函数：
参数表示 morl mexh meyr haar dbN symN coifN biorNr.Nd 小波基的名称 Morlet小波墨西哥草帽小波 Meyer小波 Haar小波紧支集正交小波近似对称的紧支集正交小波 Coiflet小波双正交样条小波
例子：
Load sumsin %读入信号 s=sumsin(1:1000); %取信号的前1000个采样点 [c,l]=wavedec(s,3, ‘db1’); %对信号做层数为3的多尺度分解 [nc,nl]= upwlev(c ,l, ‘db1’); %对信号进行重构，得到尺度2的小波分解结构
单层分解
[cA，cD]=dwt(X，’wname’) [cA，cD]=dwt(X， Lo_R ，Hi_R) 其中：cA ：低频分量， cD cA cD：高频分量 X：输入信号。 wname：小波基名称 Lo_R ：低通滤波器 Hi_R：高通滤波器
一维离散小波变换：
单层重构
X=idwt(cA，cD，’wname’) 用’wname’小波把近似系数cA和细节系数cD重建原始信号 X=idwt(cA，cD， Lo_R ， Hi_R)

小波分析中的matlab使用

Matlab主窗口

File菜单

File菜单,弹出如图1所示的菜单选项。其中,各子菜单选项的功能如下:

图 1

New选项包含5个选项:M-File,Figure,Varible，Model和gui。

1)M-File选项:打开m文件编辑器;

2)Figure选项:将打开一个空白的图形窗口;

3)Variable选项：可变因素；

4)Model选项:用于创建新模型的窗口;

5)Gui选项:创建新的图形用户界面的对话框。

Open选项:打开一个open对话框,可以在对话框中选择相应的文件,然后matlab将用相应的编辑器打开该文件。

Close…选项:跟随某个打开的视窗名。单击该选项,将关闭该视窗。

Importdata…选项:打开一个import对话框,用户可以选择相应的数据文件,然后将该数据文件中的数据导入到matlab工作空间。

Saveworkspaceas…选项:打开一个savetomat-File对话框,用户需要为保存的工作空间命名。

Setpath…选项:打开设置路径对话框。通过该对话框可以更改matlab执行命令时搜索的路径。

Preferences：首选参数。

Pagesetup选项:用于设置页面布局,页面的页眉,页面所用的文字。

Print…选项:用于打印预定义好的页面内容,也可以设置一些参数。

Printselection…选项:当选中命令窗口内的一部分内容后,该选项将处于激活状态,此时单击该选项,将打印对话框中选中的内容。

Exitmatlab选项:关闭matlab。也可以通过快捷键ctrl+O来关闭。

一维连续小波变换的matlab基础程序实现

小波变换实验二

连续小波变换

一、实验目的

本实验的目的在于充分理解连续小波变换的算法和作用，利用matlab 程序实现对一维信号进行连续小波变换，进而在程序的编辑过程理解一位连续小波变换的小波系数矩阵的含义。

同时通过对预算的到的小波系数矩阵进行分析解释，得到原始信号的频谱分布以及了解小波系数在尺度和位移两个分量上的意义。

二、实验原理、实验编程思路

1、根据书本的理论知识，知道一维连续小波变换的公式为：

实际在编程过程当中，对于上式中积分的求解可以采用将积分函数离散化，通过求和来实现求积分，离散的过程如下式：

本实验中，根据题目可以知道采样的时间间隔为0.03s ，即上式中Δt ，在实际编程当中为了计算方便可以省略掉这个时间常数，所以在编程过程当中使用的公式实际为：

2、小波函数的选取：使用墨西哥草帽（mexhat ）小波来进行小波变换，墨西哥草帽的函数为（支撑区间为-5—5）：

dt a b t t f a f b a W b a f

⎰∞

∞-->==<)()(1,),(,ϕϕ)(

)()()(),(21

)1(21a

b t k t k f t a t a b t a t f b a W k k t k t k f -∆⨯∆∆=∆-⨯=∑∑⎰-∆+∆-ϕϕ)()(),(21

b k k f a b a W

k f -⨯=∑-ϕ⎪⎩⎪⎨⎧≤-=-else x e x mexh x ,05,)1(222

对于连续小波函数的采样间隔，根据不同的尺度参量来进行采样，比如尺度为i，实际对应小波的采样间隔取k/i，以保持和原信号在不同尺度上的同步。

matlab中1维数据小波去噪

小波去噪是信号处理中常用的一种方法，在MATLAB中也有相应的函数可以实现小波去噪。下面我们将介绍MATLAB中对1维数据进行小波去噪的具体过程。

1. 准备原始数据

我们需要准备一维的原始数据，可以是来自传感器采集的数据，也可以是从文件中读取的数据。在MATLAB中，可以使用load函数或者从其它数据源导入数据。

2. 选择小波基和分解层数

在进行小波去噪之前，需要选择适合的小波基和分解层数。MATLAB 中提供了丰富的小波基选择，包括Daubechies小波、Symlet小波、Coiflet小波等。根据信号的特点和需要去除的噪声类型，选择合适的小波基和分解层数。

3. 进行小波分解

使用MATLAB中的wavedec函数对原始数据进行小波分解。该函数的调用形式为[C, L] = wavedec(X, N, wname)，其中X为原始数据，N为分解层数，wname为小波基名称。函数返回小波系数C和长度向量L。

4. 去除小波系数中的噪声

根据小波分解得到的小波系数，可以利用MATLAB中的过滤函数对小

波系数进行去噪。常用的去噪方法包括阈值去噪、软硬阈值去噪等。

这些方法可以有效地去除信号中的噪声成分，得到干净的信号。

5. 重构信号

经过去噪处理后，可以使用MATLAB中的waverec函数对去噪后的

小波系数进行重构，得到去噪后的信号。该函数的调用形式为X = waverec(C, L, wname)，其中C为去噪后的小波系数，L为长度向量，wname为小波基名称。

6. 可视化和分析

可以利用MATLAB中丰富的绘图函数对去噪前后的信号进行可视化比较，以及对去噪效果进行分析。通过比较原始信号和去噪后的信号，

MATLAB小波分析工具箱常用函数

1. wfilters 函数：用于生成小波滤波器和尺度函数，可以根据指定的小波和尺度类型生成小波滤波器系数。

2. wavedec 函数：用于将信号进行小波分解，将输入信号分解为多个尺度系数和小波系数。

3. waverec 函数：用于将小波系数和尺度系数进行重构，将小波分解后的系数重构为信号。

4. cwt 函数：用于进行连续小波变换，可以获得信号在不同尺度上的时频信息。

5. icwt 函数：用于进行连续小波反变换，可以将连续小波变换的结果重构为原始信号。

6. cmorlet 函数：用于生成复数 Morlet 小波。Morlet 小波是一种基于高斯调制正弦波的小波函数。

7. modwt 函数：用于进行无偏快速小波变换，可以获取多个尺度下的小波系数。

8. imodwt 函数：用于进行无偏快速小波反变换，可以将无偏快速小波变换的结果重构为原始信号。

9. wdenoise 函数：用于对信号进行去噪处理，可以去除信号中的噪声。

10. wavethresh 函数：用于对小波系数进行阈值处理，可以实现信号压缩。

11. wenergy 函数：用于计算小波系数的能量，可用于分析小波系数

的频谱特性。

12. wscalogram 函数：用于绘制小波系数的时频谱图，可以直观地

显示信号的时频信息。

13. wpdec 函数：用于进行小波包分解，可以将输入信号分解为多个

尺度系数和小波系数。

14. wprec 函数：用于将小波包系数和尺度系数进行重构，将小波包

分解后的系数重构为信号。

小波变换matlab程序

小波变换是一种信号处理技术，它可以将信号分解成不同频率的成分，并且可以在不同时间尺度上进行分析。在Matlab中，可以使用内置的小波变换函数来实现这一技术。下面是一个简单的小波变换Matlab程序示例：

matlab.

% 生成一个示例信号。

t = 0:0.001:1; % 时间范围。

f1 = 10; % 信号频率。

f2 = 50; % 信号频率。

y = sin(2pif1t) + sin(2pif2t); % 信号。

% 进行小波变换。

[c, l] = wavedec(y, 3, 'db1'); % 进行3层小波分解，使用db1小波基函数。

% 重构信号。

yrec = waverec(c, l, 'db1'); % 使用小波系数和长度进行信号重构。

% 绘制原始信号和重构信号。

subplot(2,1,1);

plot(t, y);

title('原始信号');

subplot(2,1,2);

plot(t, yrec);

title('重构信号');

这个程序首先生成了一个包含两个频率成分的示例信号，然后使用`wavedec`函数对信号进行小波分解，得到小波系数和长度。接着使用`waverec`函数对小波系数和长度进行信号重构，最后绘制了原始信号和重构信号的对比图。

小波变换在信号处理、图像处理等领域有着广泛的应用，可以用于信号去噪、特征提取、压缩等方面。通过Matlab中的小波变换函数，我们可以方便地进行小波分析和处理，从而更好地理解和利用信号的特性。

小波函数及Matlab常用指令

THANKS
感谢观看
信号的小波分解
信号的小波分解是将信号分解成不同频率和时间尺度的成分，以便更好地理解和处理信号。
在Matlab中，可以使用`wavedec`函数对信号进行小波分解，该函数可以将信号分解成不同层次的小波系数。
小波分解的结果可以用于进一步分析信号的特性，例如频率成分、趋势和突变等。
信号的小波重构
01
术，如并行计算、GPU加速等，进一步提高计算性能。
小波变换的改进
针对不同类型的应用需求，可以采用不同的小波变换算法进行改进。例如，对于图像处理领域，可以采用离散小波变换算法进行图像压缩和去噪；对于语音处理领域，可以采用连续小波变换算法进行语音分析和合成等。同时，也可以结合其他算法和技术，如神
经网络、深度学习等，对小波变换进行改进和应用拓展。
小波包分析的优势
小波包分析能够更全面地揭示信号的细节特征，对于非平稳信号的处理效果尤为突出。此外，小波包分析还可以根据实际需求选择合适的小波基函数，从而更好地满足信号处理的需求。
小波包分析的应用
小波包分析在信号处理、图像处理、语音识别等领域有着广泛的应用。例如，在信号处理中，小波包分析可以用于信号去噪、特征提取、故障诊断等；在图像处理中，小波包分析可以用于图像压缩、图像增强、图像恢复等。
小波函数是由一个母小波函数通过平移和伸缩得到的，其形式为： y(t)=a^(-1/2) * w(t-b/a) * a)，其中 a和b是伸缩和平移参数。

关于小波分析的matlab程序

小波分析是一种在信号处理和数据分析领域中广泛应用的方法。它可以匡助我

们更好地理解信号的时域和频域特性，并提供一种有效的信号处理工具。在本文中，我将介绍小波分析的基本原理和如何使用MATLAB编写小波分析程序。

一、小波分析的基本原理

小波分析是一种基于窗口函数的信号分析方法。它使用一组称为小波函数的基

函数，将信号分解成不同频率和不同时间尺度的成份。与傅里叶分析相比，小波分析具有更好的时频局部化性质，可以更好地捕捉信号的瞬时特征。

小波函数是一种具有局部化特性的函数，它在时域上具有有限长度，并且在频

域上具有有限带宽。常用的小波函数有Morlet小波、Haar小波、Daubechies小波等。这些小波函数可以通过数学运算得到，也可以通过MATLAB的小波函数库直

接调用。

小波分析的基本步骤如下：

1. 选择合适的小波函数作为基函数。

2. 将信号与小波函数进行卷积运算，得到小波系数。

3. 根据小波系数的大小和位置，可以分析信号的时频特性。

4. 根据需要，可以对小波系数进行阈值处理，实现信号的去噪和压缩。

二、MATLAB中的小波分析工具

MATLAB提供了丰富的小波分析工具箱，可以方便地进行小波分析的计算和

可视化。下面介绍几个常用的MATLAB函数和工具箱：

1. `waveinfo`函数：用于查看和了解MATLAB中可用的小波函数的信息，如小波函数的名称、支持的尺度范围等。

2. `wavedec`函数：用于对信号进行小波分解，得到小波系数。

3. `waverec`函数：用于根据小波系数重构原始信号。