vågletsbaserade

Vågletsbaserade metoder bygger på vågletstransformen, en multiskalär analys som delar upp en signal i komponenter med olika frekvensinnehåll över tiden. Genom att använda en modervåglet och ett antal skalnivåer kan signalen beskrivas med relativt få koefficienter som fångar dess struktur på olika resolutioner. Den diskreta våglettransformen (DWT) och den kontinuerliga våglettransformen (CWT) är centrala verktyg inom området.

Användningsområden inkluderar brusreducering och denoisering av bilder och ljud, bild- och videokompression (till exempel JPEG 2000 bygger på DWT), samt funktionsextraktion och mönsteranalys i biomedicinska signaler som EEG och EKG. Vågletsbaserade metoder används också inom finansanalys och geovetenskap.

Fördelar med vågletsbaserade metoder inkluderar deras förmåga att lokalisera signalegenskaper i både tid och frekvens, samt att uppnå sparsitet och energikontroll genom lämplig koefficienturval, exempelvis vid brusreducering. De kan ge bättre anpassning till lokala händelser än traditionell Fourieranalys.

Begränsningar inkluderar att resultatet i hög grad beror på valet av modervåglet och riktlinjer för skalfördelning, samt kantproblem vid bild- eller tidsdomänerna. Beräkningskostnaderna och behovet av lämpliga parametrar kan också vara av betydelse, särskilt i realtidsapplikationer.