小波变换(WT)，  也称为小波分析，是解决傅里叶变换 (FT) 缺点的最新解决方案。 小波变换(WT)在周期（或频率）中转换信号，而不会丢失时间分辨率。在信号处理方面，WT 提供了一种将输入信号分解为一组基本波形（即“小波”）的方法，然后通过检查这些小波的系数（或权重）来分析信号。

小波变换可用于平稳和非平稳信号，包括但不限于以下几方面：

• 信号除噪
• 趋势分析和预测
• 检测数据中的突然、不连续、变化或异常行为等
• 压缩大数据
  • 如JPEG2000的新图像压缩标准完全基于小波
• 数据加密，即数据安全
• 与机器学习相结合，提高建模精度

因此，学习和掌握Python 小波变换这门先进的工具和技术，在未来高科技竞争中，将受益无穷。  《实用 Python 小波变换》 包括一系列的课程， 利用现实世界的真实案例来学习小波变换。 该主题的系列课程包括以下主题：

• 基础知识
• 离散小波变换（DWT）
• 平稳小波变换（SWT）
• 多分辨率分析(MRA)
• 小波包变换(WPT)
• 最大重叠的离散波变换(MODWT)
• 基于MODWT(MODWTMRA)的多分辨率分析（MODWTMRA）

此课是这系列课程 的基础部分。主要学习小波变换的基本概念，,小波家庭及其成员、小波函数和小波尺度函数及其可视化，以及搭建Python小波变换的开发环境。 从此课中，您获得小波变换主题基本知识和技能，为学习小波变换的高级主题打好基础。 因此，此课是学习小波变换高级专题的必修课。