正交性为滤波器组 (FB) 的结构提供了一个有趣的主干。首先，从一个分析FB来看，综合FB是非常直接的，所以可以很容易的实现。其次，正交性通常允许更快的实现，因为计算中“几乎没有冗余”。第三，正交性确保矩阵条件良好，这可以降低错误传播的风险（尤其是量化）。第四，能量被保留，因此在双域中执行的操作可以在原始域中（能量地）测量。第五：当您需要为其设计（例如能量压缩）或性能（例如高斯噪声在正交变换后保持高斯）获得易于处理的证明时，这是一个很大的简化。请注意，这五个点并不完全正交。

提供更多细节：

1. 正交性，以及更普遍的超统一性（参见Barry 和 Ted Hurley 的超统一矩阵），即方阵$U(z)$令人满意的$U(z)U^∗(z^{−1}) = 1$, 是实用的，因为逆在某种程度上是共轭转置
2. 对于正交基$N$维空间，第一个正交向量大约有 $N-1$自由度，第二个$N-2$等等。所以正交矩阵有一个结构（见正交组），它可以用来分解它们，希望用更少的操作（正交矩阵的快速乘法）。例如，$f 3 \times 3$正交矩阵可以用三个 Givens 旋转来表示，但其他设计也是可能的
3. 决定因素是$\pm 1$（当然，它们的倒数也是一样的）。当矩阵包含接近的向量时，投影会均匀地分割它们，这会影响 1) 简单的反演 2) 迭代（如在计算机断层扫描中），其中矩阵的幂（如 FFT）在数百万个细胞/像素/体素上可能会发散。
4. 当能量被保存时，结构化信号（在适当的基础或框架中）可能来自非结构化噪声。这是“稀疏变换”背后的基本原理，以及阈值如何去噪。不知何故，在 Stein 估计（Stein Unbiased Risk Estimation）之后，使用正交不变估计量，样本特征值被修改（为了最好），但样本特征向量保持不变。
5. 所有块正交变换都很容易处理。
   • a) 重叠和窗口涉及更多。早期的尝试是 LOT（重叠正交变换）及其推广（GenLOT - 广义重叠正交变换、GULLOT - 广义不等长重叠正交变换等）。它们可以被视为具有额外自由度的 DCT（或 Hadamard）矩阵。通过旋转分解它们，可以通过施加约束来优化它们的设计，例如“编码增益”、“DC 泄漏”（具有不同长度滤波器的线性相位超单位滤波器组及其在图像压缩中的应用，1999），可以与它们在数据压缩方面的性能有关。琐事：阅读全对称矩阵的特征向量的性质及其在通信理论中的应用看看相关结构如何强加特征向量的属性
   • b）可以在数据稀疏域中估计一些噪声属性。小波域（以及一般的滤波器组）中的一个经典示例是子带组合中的高斯噪声的 MAD（中值绝对偏差）估计器。

然而，正交性是有限制的，会施加额外的约束，有时会破坏其他理想的属性。另外，人类的感觉系统很少关心严格的正交性，您可以通过丢弃严格的正交性来获得自由度（即使在计算效率方面）。JPEG2000 图像压缩标准中使用的滤波器组不是正交的，而是双正交的。[更新]在某些情况下，您可能需要整数或二元有理运算（用于内存或加速），这很少与正交性兼容。在视频编码中，许多去相关操作并不是严格正交的。

不过，在大多数实际情况下，许多系统在某种意义上至少仍然“接近正交”。

具有正交基可以更容易地找到系数。它使需要反转的矩阵成为对角矩阵，从而使反转变得微不足道。使用 DFT，它是如此微不足道，它是隐含的。