小波系数代表的是什么
问题一：论文中，老说“对小波系数进行处理”，想问下什么是小波系数？ 一个信号无论进行连续小波变换（CWT）或是离散小波变换（DWT），变换完的结果就叫小波系数。小波系数是没有量纲单位的结果，需要经过重构这些系数得到实际有量纲的信号。
如同用一个任意长度（例如手的一指宽）去测量某个物体的大小，你可以测得一系列的数字，比如宽1代表1指长度，长2.5代表2个半指长度（但这不是标准的量纲，没有人用一指当作通用标准量纲，也就是没有量纲），如果我不告诉你一指到底有多少cm，你就不知道这一系列的数字到底是多少个标准量纲的cm，也就不知道那个物体长多少cm。那根手指就是小波基，测量的过程就是小波变换，测得一系列的数字就是小波系数。
当我告诉你一指为1.8cm时，你用测得一系列的数字乘以1.8就将这一系列数字转化为带有量纲cm的另一组数字，长1.8cm，宽4.5cm，这个过程就是小波系数的重构为有实际量纲信号的过程。实际小波变换和重构的原理通俗讲就是这么个思路，当然实际小波变换的方法要复杂得多，牵扯数学和信号处理的问题也很多，这里就是便于你理解这玩意的示意性解说。
高频小波系数和低频小波系数通常是使用mallat算法的DWT的概念，通过高频带通滤波器和低通滤波器，将信号中的信息分为高频细节和低频逼近信息。
高频小波系数是研究信号高频信息的，可以直接研究高频小波系数本身，为了得到较好的效果也可对高频小波系数进行处理后突出其特征再研究，当然最通常的方法还是重构。例如研究人脸的面部特征，脸上的雀斑，痘痘，黑痣和瘊子等都是高频信息，为了从人脸上分离和突出它们，就可以对高频小波系数进行处理或重构。
低频小波系数是研究信号低频信息的（貌似废话），为了较为准确的显示低频特征通常要进行重构，因为将低频小波系数本身作为信号，其频率有时并不低，所以要重构才是信号本身的低频信息。还是例如研究人脸的面部特征，脸型是低频信息，为了分清国字脸，鸭蛋脸还是瓜子脸，就可以重构低频小波系数，得到其低频特征（也可以理解为分离高频信息得到的消噪结果，所以低频系数的重构通常认为是原始信号消噪处理的结果）。我觉得回答已经相当深入浅出了，基本没有牵扯小波的数学知识，如果还不理解，就应该先补补信号处理的基础知识了。
问题二：matlab小波包分析的分解系数和重构系数代表什么含义？ 小波分析中只有分解系数，即小波系数，没有重构系数一词，因为重构后就是与原始信号同大小的信号了，已经是具有实际量纲意义的信号了，而不是没有量纲的系数。
超越带宽是正常的事，因为DWT的计算都是用滤波器进行的，而实际应用中是没有有理想砖墙效应的滤波器的，即滤波后的结果是不会精准的去掉你要滤去的频率的，总会有很少的残余，或无中生有产生原来没有的频率。
中心频率在小波分析中只有一个意思就是某种小波基的中心频率，各频带只有频率没有中心频率。对于CWT小波基的中心频率可以用来算小波时频图。对于DWT你可以直接使用FFT计算个频带的频率，其频带划分可以通过采样定理划分。
你计算的是绝对能量，通常应计算相对比重的能量，用wenergy函数，各个频段加起来和为100。
比较重构信号的FFT幅值，在哪个频段大是的确就说明该重构信号频率成分主要是这一频段的。
问题太多，5分？简直在糟蹋行当。
问题三：小波域系数是什么？ 心音定位是否是声音信号的去噪，应该是使用小波分解将不同频率特性的信号分离开，只保留特定的频率特性的部分
小波系数是在小波分解中的一些参数，通过这些参数可以重构得到原始信号
详细的可能需要多看看小波的书
下面是一段使用小波分解和重构的代码
%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%对具体信号进行多尺度单支重构
%%%%%%%%%%%%%%%%%%%%%%%%%%%
subplot(511);plot(s);%%%s为原始信号
title('原始信号');
%使用小波函数对信号进行分解
[c,l]=wavedec(s,8,'db5');
%%%第一层
d1=wrcoef('d',c,l,'db5',1);subplot(512);plot(d1);title('第一层高频重构信号');
a1=wrcoef('a',c,l,'db5',1);subplot(513);plot(a1);title('第一层低频重构信号');
%%%第2层
d2=wrcoef('d',c,l,'db5',2);subplot(514);plot(d2);title('第2层高频重构信号');
a2=wrcoef('a',c,l,'db5',2);subplot(515);plot(a2);title('第2层低频重构信号');
figure(2);
%%%第3层
d3=wrcoef('d',c,l,'db5',3);subplot(611);plot(d3);title('第3层高频重构信号');
a3=wrcoef('a',c,l,'db5',3);subplot(612);plot(a3);title('第3层低频重构信号');
%%%第4层
d4=wrcoef('d',c,l,'db5',4);subplot(613);plot(d4);title('第4层高频重构信号');
a4=wrcoef('a',c,l,'db5',4);subplot(614);plot(a4);title('第4层低频重构信号');
%%%第5层
d5=wrcoef('d',c,l,'db5',5);subplot(615);plot(d5);title('第5层高频重构信号');
a5=wrcoef('a',c,l,'db5',5);subplot(616);plot(a5);title('第5层低频重构信号');
figure(3);
%%%第6层
d6=wrcoef('d',c,l,'db5',6);subplot(611);plot(d6);title('第6层高频重构信号');
a6=wrcoef('a',c,l,'db5',6);subplot(612);plot(a6);title('第6层低频重构信号');
%%%第7层
d7=wrcoef('......>>
问题四：关于小波变换后的系数 第一个问题：LL2部分的大小是128*128，你说是深度就是小波变化的级数，级数增加1，图像大小缩小一半，所以第一级变换后LL大小为256*256，第二级变换后大小为128*128。
第二个问题：图像变换后的像素值就是小波变换的系数值。
第三个问题：系数意义你这图已经表达的很清楚了，第一级变换后HH为高频信息一般显示图像中45度和135度的方向信息；LL为低频信息，显示图像的轮廓信息，HL和LH为介于高频和低频之间的信息，HL能显示图像中的竖直信息，LH显示图像中的水平信息。总体来说LL称为低频部分，HH，HL和LH称为高频部分，低频为轮廓信息，高频为细节信息。
希望能帮到你。
问题五：请问Daubechies小波的db2小波的滤波器系数是什么 怎么表示 回答的朋友必有重谢 图可以参看zhidao.baidu/question/585223273699457565，
滤波器系数就是个一维数组，可以很容易用wfilters函数得到滤波器组的四个滤波器系数，[Lo_D,Hi_D,Lo_R,Hi_R] = wfilters('db2'); 由于是正交小波，分解和重构滤波器互为逆序。
低通分解滤波器Lo_D: -0.129410.224140.836520.48296;
高频带通分解滤波器Hi_D: -0.482960.83652-0.22414-0.12941;
低通重构滤波器Lo_R: 0.482960.836520.22414-0.12941;
高频带通重构滤波器Hi_D: -0.12941-0.224140.83652-0.48296
重谢在哪里，嘿嘿，嘿嘿，嘿嘿嘿！
问题六：小波变换的分解系数是什么 可参看zhidao.baidu/question/1382947695099319860
问题七：请问小波分析中的近似系数和细节系数的横坐标、纵坐标都代表什么？ 你说的是细节和逼近，那么就是DWT，如果是系数没有重构，则横坐标是点数，纵坐标就是系数值，都没有单位，更谈不上频率。小波变换除了CWT可以做时－频图，牵扯频率，其他所有的变换都是在小波域进行的，通常可以认为是偏向时域的操作，都和频率值没有关系。
问题八：小波分析，离散小波分析中近似系数代表的时间长度是多少？ 唉！这问题对你太难了些，一时不知如何才能讲明白，这就是初学者总把小波的理论与其实际实现计算方法混为一谈，其实这里边是两回事，他俩关系复杂玄妙，一时很难让您明白啊！赶明儿有空再帮你理一理。
问题九：matlab小波分析里的coefficient图是什么意思，见图 coefficient就是（小波）系数的意思，上面的图应该是CWT后得到的最大尺度小于250左右的所有小波系数的图像。下图是根据上图小波系数作出的每一尺度小波系数模极值形成的连线，有些文章也叫小波脊线，它在低尺度的位置通常表现了信号奇异点或突变点在信号中的位置，突变点的特征通常包含了信号中的重要信息，所以通常根据这个现象用CWT检测信号中的突变点和其位置。随尺度的增加，同一条脊线的点也随之偏移，研究这种偏移的特征在某些学科中也是研究信号特征的重要方法，所以通常根据这个现象用CWT研究信号随尺度变化的特征。