让我们首先考虑正交 DWT：这个变换是建立在几个约束条件下的：当然是正交性（和可逆性），以及一些连续小波变换的离散化，具有特定的二元结构，产生频率分解，其切割近似为：

离散小波可以实现为专用于上述间隔之一的一组滤波器（或滤波器组），然后进行适当的二次采样。并且只有一些特定的过滤器（尽管它们的数量是无限的）遵守上述约束。

因此，使用 DWT，只有二元边界可用 (*)，只能使用过滤器的子集，并且输出被抽取。并且正交性，根本不使用尺度。

而使用标准滤波器，您只有线性约束：不需要可逆性，您可以指定所需的边界、波纹和衰减（以设计问题为代价）。

因此，对于单纯的滤波，我看不到使用离散和关键小波方案的优势。但是，DWT 可以在用于其他处理需求的同时进行一些粗略的带通滤波。

小波现在在数据稀疏化以及非线性分析、压缩、恢复方面发挥着更有趣的作用，而标准滤波器通常无法实现。

作为旁注，如果您允许变换中的冗余，则在足够长的“窗口”中选择具有足够数量的振荡的小波可能会做得很好，但这将是矫枉过正。

（*） 和$M$-band小波和小波包，你可以得到更通用的$M$-ary 整数$k/M^n$，但不是所有的分数或实数

您可以执行小波 mra ( modwtmra) 并filtfilt在 matlab 中对某些测试信号应用 IIR 或 FIR 滤波器。例如在带有噪声的矩形脉冲序列上。你肯定会看到不同之处。