称使用Tpwp的小波包系数的方法，为基于分解（decomposition）树的小波包分析；称使用Matlab工具箱的小波包系数的方法，为基于合成（重组recomposition）树的小波包分析。理想情况下，这二者是相同的，但是在实用中，有数字误差，明确区分两种系统的分析处理是有益的。
这里分辨的关键，是数值，而非管理方式。未必像Matlab工具箱那样使用对象等编程和定义了“树”。
可以认为：Tpwp的分解系数矩阵的元素，与重建的滤波过程无关；而Matlab工具箱中所谓的小波包系数，除去正变换运算中的最终端的尺度上的数据外，都可视为其子子孙孙节点上数据的合成、重建结果。
据Matlab的帮助文档，易知函数wprcoef和wprec，正如其名字中的字母r所指，明显与合成（用部分节点的重建computes reconstructed coefficients和完整地重建returns the reconstructed vector ）有关。而且wprec被称为分解函数wpdec的逆函数（the inverse function of wpdec）。然而，可能误以为函数wpcoef输出（returns the coefficients associated with the node）的是，等于Tpwp中分解数据阵列中的系数值，那么，以为它与合成滤波器无关， 下文的Y1就可精确地等于被分解信号X。
在R2011a中，用T= wpdec(X,……)对信号X做小波包分解后，紧接着运行
Y1=wpcoef(T); Y2=wprcoef(T); Y3=wprec(T);
所得的Y1和Y2以及Y3，是完全相同的。它们都与X间，有依赖于滤波器组和数据延拓模式的误差，类似于在普通离散小波变换中的完美重建误差。
Matlab工具箱的普通离散小波分解函数wavedec的输出，是不涉及重建滤波器组的“纯分解”的结果。所以博文《普通离散小波变换是小波包变换树中的一部分》（2013-11-03），从Tpwp的小波包树上，反而比从Matlab自己的工具箱的小波包树上，能获得与wavedec输出系数的误差更小的变换结果。
利用Matlab小波工具箱，不显现字眼 “重建”或“合成”以及相应的编程语句，就能可视化与滤波器组和数据延拓模式有关的系统误差。以图片1.的程序为例。计算结果如图片2.所示，由wpcoef获得的根节点（node 0）上的系数，与被分解信号的误差，绘于上半部；由wp2wtree从小波包树上摘取的普通离散小波系数，与wavedec的输出序列的误差，绘于下半部。用高斯白噪声为测试信号，其均值在区间[-8,8]内均匀分布，标准差在[1,68]内均匀分布。
又一次看到，理想per模式最佳。选用其它某些模式，需更谨慎。
新浪赛特居士SciteJushi-2014-11-19。
图片1. 测验Matlab小波包系数与被处理信号和普通小波变换数据的误差的m程序
图片2. 由图片1的程序生成的结果
