[1].参考开源库1：https://github.com/fbcotter/pytorch_wavelets
Cotter, Fergal. Uses of complex wavelets in deep convolutional neural networks. Diss. 2020.
[2].参考开源库2：https://github.com/brunobelloni/wran-sr-pytorch
[3]
F:\A\1.Code\3.code\yimo\wran-sr-pytorch
DWT (Discrete Wavelet Transform)有三个缺点：对零交叉敏感性（zero-crossings sensitive， 在零值点正负切换相抵消，小波系数小[1]）、方向选择性差（poor directional selectivity，DWT是实数变换）[1,3]和不具备平移不变性（not shift-invariant，输入信号中的微小平移可能会极大地扰动小波系数）
复数小波（Complex Wavelets）可以克服DWT的不足。启发于Fourier transform，Fourier transform具备好的方向选择性和平移不变性得益于复数余弦基：
进一步调整小波基，
