Matlab 小波分析工具箱丰富的函数和强大的仿真功能为我们学习小波、用好小波提供了方便、快捷的途径,但是，假如我们要深化掌握小波分析的原理，真正学好、用好小波，就应该尽量用自己编写的程序去实现小波变换和信号分析，尽量在自己的程序中少调用 Matlab 提供的函数，多用自己的理解去编写相关的小波函数，这样的过程是一个探究、求知的过程,更能让我们体会到小波的强大和学习的乐趣。下面，我把自己编写的小波一维、二维信号分解和重构Matlab 程序共享出来，也希望有朋友共享自编的程序，共同学习，提高程序的效率和简洁性。首先要说明的一点是，虽然是自己编写 Matlab 程序，但并不是说一点也不用 Matlab 的自带函数。我们要编写的是实现小波变换的主要功能函数，而绘图等基本功能还是要用到 Matlab 函数的.而且，根据小波变换的滤波器组原理，原始信号要通过低通、高通滤波器处理，这里就涉及到卷积这一运算步骤。卷积——FFT 算法的实现，信任很多朋友都能用 Matlab、C 语言等来实现，不过与 Matlab 自带的用机器语言编写的 FFT 程序相比，运算速度一般会慢几倍、几十倍。所以，我的程序里边涉及卷积的就直接调用 Matlab 的 conv()函数了。我们知道，小波变换的一级分解过程是，原始信号分别进行低通、高通滤波，再分别进行二元下抽样，就得到低频、高频（也称为平均、细节)两部分系数；而多级分解则是对上一级分解得到的低频系数再进行小波分解,是一个递归过程。以下是一维小波分解的程序：function [cA，cD］ = mydwt(x，lpd,hpd，dim);％ 函数 [cA,cD］=MYDWT（X，LPD,HPD,DIM) 对输入序列 x 进行一维离散小波分解，输出分解序列[cA，cD]％ 输入参数：x——输入序列；％ lpd—-低通滤波器；％ hpd——高通滤波器;% dim——小波分解级数.％ 输出参数：cA——平均部分的小波分解系数;% cD-—细节部分的小波分解系数。cA=x; % 初始化 cA，cDcD=[］；for i=1：dim cvl=conv(cA,lpd)； ％ 低通滤波,为了提高运行速度，调用 MATLAB 提供的卷积函数conv(） dnl=downspl（cvl); % 通过下抽样求出平均部分的分解系数 cvh=conv(cA,hpd）； % 高通滤波 dnh=downspl(cvh)； % 通过下抽样求出本层分解后的细节部分系数 cA=dnl; % 下抽样后的平均部分系数进入下一层分解 cD=[cD，dnh]; ％ 将本层分解所得的细节部分系数存入序列 cDendfunction y=downspl(x);% 函数 Y=DOWMSPL（X） 对输...
