MATLAB小波变换指令及其功能介绍(超级有用)解读

matlab 小波变换和同步挤压小波变换-概述说明以及解释1.引言1.1 概述小波变换是一种信号处理技术，它在时间域和频域上能够实现信号分析和处理。

同步挤压小波变换是一种改进的小波变换方法，可以更好地处理非平稳信号和时频结构不清晰的信号。

本文将对小波变换和同步挤压小波变换进行详细介绍，并比较它们在信号处理中的应用和效果。

通过对这两种技术的应用和比较，有助于深入理解它们的原理和特点，以及进一步探讨未来在信号处理领域的研究方向。

1.2文章结构文章结构部分的内容：本文主要分为引言、正文和结论三个部分。

引言部分包括概述、文章结构和目的三个小节。

在概述部分，将介绍小波变换和同步挤压小波变换的基本概念和背景。

文章结构部分将详细说明本文的结构和各个部分的内容安排。

目的部分将明确本文的研究目标和意义。

正文部分包括小波变换、同步挤压小波变换和应用与比较三个部分。

在小波变换部分，将介绍小波变换的基本理论和算法原理。

在同步挤压小波变换部分，将介绍同步挤压小波变换的概念和特点。

在应用与比较部分，将探讨两种小波变换方法在实际应用中的优缺点和比较分析。

结论部分包括总结小波变换与同步挤压小波变换、展望未来研究方向和结论三部分。

在总结小波变换与同步挤压小波变换部分，将总结两种小波变换方法的特点和应用情况。

在展望未来研究方向部分，将探讨未来小波变换研究的发展方向和趋势。

在结论部分，将对全文进行总结和回顾。

1.3 目的:本文的主要目的是介绍和比较两种小波变换方法：小波变换和同步挤压小波变换。

通过对这两种方法的原理、特点和应用进行详细分析和比较，我们旨在为读者提供更全面的了解和认识，帮助他们在实际应用中选择合适的小波变换方法。

同时，本文还旨在探讨小波变换与同步挤压小波变换在信号处理、图像处理等领域的优劣势，为未来研究提供一定的参考和借鉴。

通过本文的阐述，希望读者能够深入了解小波变换及其应用，从而为进一步的研究和实践提供有力支持。

2.正文2.1 小波变换小波变换是一种信号处理技术，通过将信号分解成不同频率的小波函数来分析信号的时频特性。

小波变换及其matlab工具的应用小波变换是信号处理领域中的一种基本方法，可以用于信号分析、压缩和去噪等应用。

通过对信号进行小波变换，我们能够将不同频率的信号分离出来，从而更好地了解信号的特性。

本文将介绍小波变换的基本概念以及其在matlab工具中的应用。

一、小波变换的基本概念小波变换是一种将信号分解成一组不同频率、不同时间的函数，以便于分析的方法。

它是基于多尺度分析理论而发展起来的，可以有效地捕捉信号的瞬时特征。

小波变换的核心思想是将信号进行局部变换，从而在不同时间和频率上获取不同的信息。

其中，小波基函数是用于局部变换的基本单元，它可以根据不同问题的需求而灵活选择。

小波基函数具有良好的局部特性和紧凑性，可以在不同频率范围内对信号进行分解。

对于一个实数信号x(t)，它在小波分析后可以表示为：$$x(t) = \sum_{j=0}^{J} \sum_{k}^{} c_{jk}\psi_{jk}(t)$$其中，$J$表示小波分解的层数，$c_{jk}$是小波系数，表示信号在不同频率和不同时间段的能量贡献，$\psi_{jk}(t)$是小波基函数，它可以根据不同问题的需求而灵活选择。

matlab中提供了丰富的小波变换工具箱，可以方便地进行小波分析和处理。

下面介绍基于matlab的小波变换应用方法。

1. 小波变换函数matlab中有多种小波变换函数可供选择，其中最常用的是"wavelet"函数。

使用该函数需要输入以下参数：- 小波类型- 小波系数- 分解层数- 信号例如，我们可以使用db4小波对信号进行一层分解：```matlab[coeffs, l] = wavedec(x, 1, 'db4');```其中，"coeffs"是输出的小波系数，"l"是每层小波系数的长度。

小波分解后，我们需要对分解得到的小波系数进行重构，以便于分析和处理。

Matlab中的小波变换与小波包分析方法详解引言近年来，小波变换在信号处理领域中得到了广泛的应用。

小波变换是一种能够捕捉信号时频特性的有效工具，可以用来分析、压缩和去噪各种类型的信号。

本文将详细介绍Matlab中的小波变换和小波包分析方法，以帮助读者更好地理解和应用这一强大的信号处理技术。

一、小波变换（Wavelet Transform）小波变换是一种将信号分解成不同尺度的基函数的技术。

与传统的傅里叶变换相比，小波变换具有更好的时频局部化特性。

Matlab中提供了丰富的小波分析工具箱，可以方便地进行小波变换的计算。

1.1 小波基函数小波基函数是小波变换的基础。

不同类型的小波基函数适用于不同类型的信号。

在Matlab中，我们可以使用多种小波基函数，如Daubechies小波、Haar小波和Morlet小波等。

1.2 小波分解小波分解是指将信号分解成多个尺度的小波系数。

通过小波分解，我们可以获取信号在不同尺度上的时频特性。

Matlab中提供了方便的小波分解函数，例如'dwt'和'wavedec'。

1.3 小波重构小波重构是指根据小波系数重新构建原始信号。

通过小波重构，我们可以恢复原始信号的时域特性。

在Matlab中，可以使用'idwt'和'waverec'函数进行小波重构。

二、小波包分析（Wavelet Packet Analysis）小波包分析是对小波变换的进一步扩展，它允许对信号进行更精细的分解和重构。

小波包分析提供了一种更灵活的信号分析方法，能够获得更详细的时频特性。

2.1 小波包分解小波包分解是指将信号分解成具有不同频带的小波包系数。

与小波分解相比，小波包分解提供了更高的分辨率和更详细的频谱信息。

在Matlab中，可以使用'wavedec'函数进行小波包分解。

2.2 小波包重构小波包重构是根据小波包系数重新构建原始信号。

Matlab中的小波变换技术详解1. 引言小波变换是一种数学工具，可将任意信号分解成不同尺度和频率成分。

它在信号处理、图像压缩等领域得到广泛应用。

Matlab作为一种功能强大的数值计算和数据可视化软件，提供了丰富的小波变换函数和工具箱。

本文将详细介绍Matlab中小波变换的原理、应用和实现方法。

2. 小波变换原理小波变换利用小波函数的一组基来表示信号。

小波函数是一种局部振荡函数，具有时域和频域局部化的特性。

通过将信号与小波函数进行内积运算，可以得到不同尺度和频率的小波系数，从而揭示信号的局部特征。

小波变换具有多分辨率分析的优势，能够在时间和频率上同时提供较好的分析结果。

3. 小波变换函数在Matlab中，可以使用wavelet工具箱提供的函数来进行小波变换。

最常用的函数是cwt，用于连续小波变换。

通过设置小波函数、尺度范围和采样频率等参数，可以得到连续小波系数矩阵。

另外，还有其他函数如dwt、idwt用于离散小波变换和反离散小波变换。

4. 小波函数小波变换的关键在于选择合适的小波函数。

常用的小波函数有多种，如哈尔、Daubechies、Symlets等。

这些小波函数在时域和频域上都有不同的特性，适用于不同类型的信号。

Matlab提供了丰富的小波函数库，可以根据需要选择合适的小波基函数。

5. 小波分析与信号处理小波变换在信号处理中有广泛的应用。

它可以用于信号去噪、特征提取、边缘检测等方面。

通过对小波系数进行阈值去噪，可以有效地去除信号中的噪声。

小波变换还能够提取信号的局部特征，捕捉信号的边缘信息。

此外，小波变换还可以用于图像压缩、图像分割等领域。

6. Matlab中的小波分析实例为了更好地理解Matlab中小波变换的应用，下面将给出一个实例。

假设我们有一个包含某种周期性成分和噪声的信号，我们希望通过小波变换将其分解成不同尺度的成分，并去除噪声。

首先，我们使用Matlab中的cwt函数对信号进行连续小波变换，并得到小波系数矩阵。

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_RX=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wavedec2 二维信号的多层小波分解idwt2 二维离散小波反变换waverec2 二维信号的多层小波重构wrcoef2 由多层小波分解重构某一层的分解信号 upcoef2 由多层小波分解重构近似分量或细节分量 detcoef2 提取二维信号小波分解的细节分量 appcoef2 提取二维信号小波分解的近似分量upwlev2 二维小波分解的单层重构dwtpet2 二维周期小波变换idwtper2 二维周期小波反变换 -----------------------------------------------------------(1 wcodemat 函数功能：对数据矩阵进行伪彩色编码函数 fft、fft2 和 fftn 分格式：Y=wcodemat(X,NB,OPT,ABSOLY=wcodemat(X,NB,OPTY=wcodemat(X,NBY=wcodemat(X说明：Y=wcodemat(X,NB,OPT,ABSOL 返回数据矩阵 X 的编码矩阵 Y ；NB 伪编码的最大值，即编码范围为 0～NB ，缺省值 NB＝16； OPT 指定了编码的方式（缺省值为 'mat'），即：别可以实现一维、二维和 N 维 DFTOPT＝'row' ，按行编码OPT＝'col' ，按列编码OPT＝'mat' ，按整个矩阵编码函数 fft、fft2 和 fftn 分 ABSOL 是函数的控制参数（缺省值为 '1'），即： ABSOL＝0 时，返回编码矩阵ABSOL＝1 时，返回数据矩阵的绝对值 ABS(X1. 离散傅立叶变换的 Matlab实现(2 dwt2 函数功能：二维离散小波变换格式：[cA,cH,cV,cD]=dwt2(X,'wname'[cA,cH,cV,cD]=dwt2(X,Lo_D,Hi_D说明：[cA,cH,cV,cD]=dwt2(X,'wname'使用指定的小波基函数 'wname' 对二维信号 X 进行二维离散小波变幻；cA ，cH,cV,cD 分别为近似分量、水平细节分量、垂直细节分量和对角细节分量；[cA,cH,cV,cD]=dwt2(X,Lo_D,Hi_D 使用指定的分解低通和高通滤波器 Lo_D 和Hi_D 分解信号 X 。

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wavedec2 二维信号的多层小波分解idwt2 二维离散小波反变换waverec2 二维信号的多层小波重构wrcoef2 由多层小波分解重构某一层的分解信号upcoef2 由多层小波分解重构近似分量或细节分量detcoef2 提取二维信号小波分解的细节分量appcoef2 提取二维信号小波分解的近似分量upwlev2 二维小波分解的单层重构dwtpet2 二维周期小波变换idwtper2 二维周期小波反变换----------------------------------------------------------- (1) wcodemat 函数功能：对数据矩阵进行伪彩色编码函数 fft、fft2 和 fftn 分格式：Y=wcodemat(X,NB,OPT,ABSOL)Y=wcodemat(X,NB,OPT)Y=wcodemat(X,NB)Y=wcodemat(X)说明：Y=wcodemat(X,NB,OPT,ABSOL) 返回数据矩阵 X 的编码矩阵Y ；NB 伪编码的最大值，即编码范围为 0～NB，缺省值 NB＝16；OPT 指定了编码的方式（缺省值为 'mat'），即：别可以实现一维、二维和 N 维 DFTOPT＝'row' ，按行编码OPT＝'col' ，按列编码OPT＝'mat' ，按整个矩阵编码函数 fft、fft2 和 fftn 分ABSOL 是函数的控制参数（缺省值为 '1'），即：ABSOL＝0 时，返回编码矩阵ABSOL＝1 时，返回数据矩阵的绝对值 ABS(X)1. 离散傅立叶变换的 Matlab实现(2) dwt2 函数功能：二维离散小波变换格式：[cA,cH,cV,cD]=dwt2(X,'wname')[cA,cH,cV,cD]=dwt2(X,Lo_D,Hi_D)说明：[cA,cH,cV,cD]=dwt2(X,'wname')使用指定的小波基函数'wname' 对二维信号 X 进行二维离散小波变幻；cA，cH,cV,cD 分别为近似分量、水平细节分量、垂直细节分量和对角细节分量；[cA,cH,cV,cD]=dwt2(X,Lo_D,Hi_D) 使用指定的分解低通和高通滤波器 Lo_D 和 Hi_D 分解信号 X 。

小波变换是一种在信号处理领域广泛应用的数学工具，它可以将信号分解成不同尺度和频率成分，具有良好的局部化特性。

在Matlab中，离散小波变换（Discrete Wavelet Transform, DWT）是其中一种常用的小波变换方法，它广泛应用于图像处理、语音处理、数据压缩等领域。

本文将对Matlab中离散小波变换的原理、应用及实现方法进行详细介绍。

1. 离散小波变换的原理离散小波变换是通过将信号经过多级高通和低通滤波器的卷积运算，然后下采样，最终得到近似系数和细节系数的过程。

具体来说，设输入信号为x[n]，高通滤波器为h[n]，低通滤波器为g[n]，则小波变换的原理可以表述为：\[a_{\text{scale},n} = x[n]*h_{\text{scale},n} \]\[d_{\text{scale},n} = x[n]*g_{\text{scale},n} \]其中，a为近似系数，d为细节系数，scale表示尺度，n表示离散时间序列。

2. Matlab中离散小波变换的应用离散小波变换在Matlab中有着广泛的应用，包括但不限于图像处理、语音处理、数据压缩等领域。

其中，图像处理是离散小波变换最为常见的应用之一。

通过对图像进行小波变换，可以将图像分解成不同尺度和频率的分量，实现图像的分析和处理。

在语音处理领域，离散小波变换可以用于信号降噪、语音特征提取等方面。

在数据压缩领域，离散小波变换可以实现对数据的降维和提取主要信息，从而实现数据的压缩存储。

3. Matlab中离散小波变换的实现方法在Matlab中，可以通过调用相关函数来实现离散小波变换。

其中，dwt函数是Matlab中常用的离散小波变换函数之一。

其调用格式为：\[cA = dwt(X,'wname','mode')\]\[cA, cD = dwt(X,'wname','mode')\]其中，X为输入信号，'wname'为小波基函数的名称，'mode'为信号的扩展模式。

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wavedec2 二维信号的多层小波分解idwt2 二维离散小波反变换waverec2 二维信号的多层小波重构wrcoef2 由多层小波分解重构某一层的分解信号upcoef2 由多层小波分解重构近似分量或细节分量detcoef2 提取二维信号小波分解的细节分量appcoef2 提取二维信号小波分解的近似分量upwlev2 二维小波分解的单层重构dwtpet2 二维周期小波变换idwtper2 二维周期小波反变换(1)wcodemat 函数功能：对数据矩阵进行伪彩色编码函数 fft、fft2 和 fftn 分格式：Y=wcodemat(X,NB,OPT,ABSOL)Y=wcodemat(X,NB,OPT)Y=wcodemat(X,NB)Y=wcodemat(X)说明：Y=wcodemat(X,NB,OPT,ABSOL) 返回数据矩阵 X 的编码矩阵Y ；NB 伪编码的最大值，即编码范围为 0～NB，缺省值 NB＝16；OPT 指定了编码的方式（缺省值为 'mat'），即：别可以实现一维、二维和 N 维 DFTOPT＝'row' ，按行编码OPT＝'col' ，按列编码OPT＝'mat' ，按整个矩阵编码函数 fft、fft2 和 fftn 分ABSOL 是函数的控制参数（缺省值为 '1'），即： ABSOL＝0 时，返回编码矩阵ABSOL＝1 时，返回数据矩阵的绝对值 ABS(X)1. 离散傅立叶变换的 Matlab 实现(2)dwt2 函数功能：二维离散小波变换格式：[cA,cH,cV,cD]=dwt2(X,'wname')[cA,cH,cV,cD]=dwt2(X,Lo_D,Hi_D)说明：[cA,cH,cV,cD]=dwt2(X,'wname')使用指定的小波基函数'wname' 对二维信号 X 进行二维离散小波变幻；cA，cH,cV,cD 分别为近似分量、水平细节分量、垂直细节分量和对角细节分量；[cA,cH,cV,cD]=dwt2(X,Lo_D,Hi_D) 使用指定的分解低通和高通滤波器 Lo_D 和 Hi_D 分解信号 X 。

matlab对信号小波变换（原创版）目录一、引言二、小波变换概述三、MATLAB 对信号进行小波变换的方法四、小波变换在信号处理中的应用五、结论正文一、引言在信号处理领域，小波变换被广泛应用于信号分析、特征提取、压缩等领域。

小波变换是一种时频分析方法，可以同时获取信号的频率信息和时间信息。

MATLAB 作为信号处理的常用软件，提供了丰富的函数和工具箱，可以方便地对信号进行小波变换。

本文将介绍如何使用 MATLAB 对信号进行小波变换，以及小波变换在信号处理中的应用。

二、小波变换概述小波变换是一种短时傅里叶变换，它可以将信号分解为不同频率的小波函数，并获得信号在不同时间尺度上的频率信息。

小波变换具有良好的局部特性和多尺度特性，可以有效地分析信号的局部特征和多尺度特征。

三、MATLAB 对信号进行小波变换的方法在 MATLAB 中，可以使用 Wavelet Toolbox 提供的函数对信号进行小波变换。

以下是一个简单的示例：1.导入信号：使用 wavread 函数读取音频信号。

2.对信号进行小波分解：使用 wavedec 函数对信号进行小波分解，得到小波系数。

3.提取小波系数：使用 waveget 函数提取指定层数的小波系数。

4.对小波系数进行处理：例如，可以对小波系数进行幅度模长处理，得到信号的能量分布情况。

5.重构信号：使用 waverec 函数根据小波系数重构信号。

四、小波变换在信号处理中的应用小波变换在信号处理中有广泛的应用，例如：1.信号压缩：通过对信号进行小波分解，可以得到信号的频谱特征，然后根据频谱特征设计合适的量化方案，对信号进行压缩。

2.信号去噪：通过对信号进行小波分解，可以将信号中的噪声分离出来，然后对噪声进行抑制或去除，从而提高信号的质量。

3.信号特征提取：通过对信号进行小波分解，可以获得信号在不同时间尺度上的频率信息，从而提取信号的特征。

五、结论MATLAB 提供了丰富的函数和工具箱，可以方便地对信号进行小波变换。

在MATLAB中使用小波变换进行信号处理引言信号处理是一个非常重要的研究领域，它涉及到从传感器、通信系统、音频、视频等领域中提取、分析和处理信号的各种技术和方法。

小波变换作为一种强大的数学工具，被广泛应用于信号处理中，特别是在时频分析、信号压缩、噪声去除等方面。

本文将介绍在MATLAB中使用小波变换进行信号处理的基本原理和实际应用。

一、小波变换的基本原理小波变换是一种时频分析方法，它可以将时域信号通过一系列基函数进行分解，得到不同尺度和频率的信号分量。

在MATLAB中，可以使用Wavelet Toolbox来进行小波变换。

1. 小波函数族小波函数族是指一组基函数，它们具有尺度变换和平移变换的特性。

常用的小波函数族有Daubechies小波、Haar小波、Coiflet小波等。

这些小波函数族根据不同的尺度和频率特性，在信号处理中具有不同的应用。

2. 小波变换的计算在MATLAB中，可以使用函数``cwt(x,scales,'wavelet',wavename)``来进行小波变换的计算，其中x是输入信号，scales是尺度（尺度越大表示观测时间越长，对应低频成分），wavename是小波函数族的名称。

二、小波变换的实际应用小波变换在信号处理中有广泛的应用，下面将介绍一些常见的实际应用场景。

1. 信号去噪噪声是信号处理中一个常见的问题，它会影响信号的质量和可靠性。

小波变换可以将信号分解为不同尺度的成分，通过分析各个尺度的能量分布，可以有效地去除噪声。

通过调整小波变换的尺度参数，可以对不同频率和尺度的噪声进行去除。

2. 信号压缩信号压缩是在信号处理中另一个重要的应用，它可以减少数据存储和传输的成本。

小波变换可以将信号分解为不同尺度的成分，在某些尺度上，信号的能量可能会很小，可以将这些尺度上的系数设置为0，从而实现信号的压缩。

同时，小波变换还可以使用压缩算法如Lempel-Ziv-Welch（LZW）对小波系数进行进一步的编码压缩。