短时傅里叶变换 (STFT) 用于识别信号的时间局部频率内容。STFT 通过将输入信号分块并在块上执行 FFT 来操作，然后记录该时间点的频率系数。然而，STFT 强制执行固定的时间和频率分辨率，这并不总是需要的。
小波变换是一种用于识别信号频率内容的替代方法，其中窗口大小通常根据频率而变化，从而在时间定位和频率定位之间建立反比关系。即：高频的时间定位好但频率定位差，低频的频率定位好但时间定位差。
假设我想使用小波变换作为 STFT 的替代方案。我应该使用什么特定的小波？某些小波是否更适合编码频率内容？
正如@robert bristow-johnson 已经回答的那样，Morlet 小波在许多方面都非常有效，而Gabor 小波是近亲。
最佳连续小波变换的问题是一个长期存在的争论。几乎确定的是，最好使用复值小波，或者至少附加它的对偶希尔伯特对来获得复尺度图。
我记得人们提倡使用带有泊松核的小波，特别是对于延迟阻尼正弦曲线叠加的信号模型（例如，来自使用连续小波变换识别势场源的作者：基础理论）。
最近，J.-M. Lilly 和 Sofia Olhede 描述了广义莫尔斯小波的二参数小波族。使用这两个参数，您可以模拟大量已知小波
“将八种明显不同类型的分析滤波器包含在一个共同的形式中”（L”代表对数正态小波，“C”代表柯西小波，“G”代表高斯小波导数，“A”代表艾里小波，“ e”代表复指数，“S”代表香农小波，“a”代表解析滤波器，“B”代表贝塞尔小波）。广义莫尔斯小波在 Matlab 中实现，我可能会选择它们。