1.程序功能描述 一维信号的小波变换与重构算法matlab仿真，对正弦测试信号进行小波变换，然后进行重构，然后计算重构之后的信号与原信号的误差。
2.测试软件版本以及运行结果展示 MATLAB2022A版本运行
（完整程序运行后无水印）
3.核心程序
`% 绘制分解后的各个系数图像 figure subplot(411) plot(x);title('原始信号');xlim([0,length(x)]); subplot(412) plot(cD1);title('cD1');xlim([0,length(x)/2]); subplot(413) plot(cD2);title('cD2');xlim([0,length(x)/4]); subplot(414) plot(cA2);title('cA2');xlim([0,length(x)/4]);
% 一维小波重构过程
% 对低频系数cA1进行上抽取（补零操作）
upl=func_up_sample(cA1);
% 对上抽取后的信号使用低通滤波器进行重构
cvl=func_wlfilter(upl,Lw);
% 对高频系数cD1进行上抽取（补零操作）
uph=func_up_sample(cD1);
% 对上抽取后的信号使用高通滤波器进行重构
cvh=func_wlfilter(uph,Hi);
% 将低频和高频重构部分相加以得到最终重构信号
yst=cvl+cvh;
% 绘制重构信号与原始信号的对比图 figure subplot(211) plot(x);title('原始信号');axis([0 1000 -1.5 1.5]); subplot(212) plot(yst);title('重构信号');axis([0 1000 -1.5 1.5]); % 设置重构信号的坐标轴范围
%重构误差 figure plot(x-yst(1+6:length(x)+6));title('重构误差');axis([0 1000 -2.5 2.5]); `
4.本算法原理 一维信号的小波变换是一种时频分析方法，它通过在不同的尺度上分析信号，以捕捉信号的局部特征和时频结构。小波变换能够提供时间局部化和频率局部化的信息，这对于非平稳信号的分析尤为有效。小波变换的核心思想是使用一族具有多分辨率特性的基函数——小波基，这些基函数在时间和频率上都有局部化特性，既能在时间域聚焦于信号的某一局部，也能在频率域集中于某一频带。
4.1 小波变换原理
小波包变换（Wavelet Packet Transform, WPT）是对DWT的扩展，它不仅在尺度上进行分解，还在每个尺度上同时进行频率分割，使得在每个尺度上都能获得不同频率带的信息。小波包变换能够提供更细粒度的频带分析，适合于信号中包含多种频率成分的情况。
一维信号的小波变换通过选择合适的小波基函数和利用Mallat算法，可以在不同尺度上提取信号的特征，实现信号的时频分析。小波变换不仅在信号去噪、压缩、特征提取等方面有广泛应用，而且在图像处理、数据压缩、生物医学信号分析等领域也显示出强大的优势。小波包变换作为小波变换的扩展，进一步提高了信号分析的灵活性和精确度。
