稱使用Tpwp的小波包系數的方法，為基於分解（decomposition）樹的小波包分析；稱使用Matlab工具箱的小波包系數的方法，為基於合成（重組recomposition）樹的小波包分析。理想情況下，這二者是相同的，但是在實用中，有數字誤差，明確區分兩種系統的分析處理是有益的。
這里分辨的關鍵，是數值，而非管理方式。未必像Matlab工具箱那樣使用對象等編程和定義了“樹”。
可以認為：Tpwp的分解系數矩陣的元素，與重建的濾波過程無關；而Matlab工具箱中所謂的小波包系數，除去正變換運算中的最終端的尺度上的數據外，都可視為其子子孫孫節點上數據的合成、重建結果。
據Matlab的幫助文檔，易知函數wprcoef和wprec，正如其名字中的字母r所指，明顯與合成（用部分節點的重建computes reconstructed coefficients和完整地重建returns the reconstructed vector ）有關。而且wprec被稱為分解函數wpdec的逆函數（the inverse function of wpdec）。然而，可能誤以為函數wpcoef輸出（returns the coefficients associated with the node）的是，等於Tpwp中分解數據陣列中的系數值，那么，以為它與合成濾波器無關， 下文的Y1就可精確地等於被分解信號X。
在R2011a中，用T= wpdec(X,……)對信號X做小波包分解后，緊接着運行
Y1=wpcoef(T); Y2=wprcoef(T); Y3=wprec(T);
所得的Y1和Y2以及Y3，是完全相同的。它們都與X間，有依賴於濾波器組和數據延拓模式的誤差，類似於在普通離散小波變換中的完美重建誤差。
Matlab工具箱的普通離散小波分解函數wavedec的輸出，是不涉及重建濾波器組的“純分解”的結果。所以博文《普通離散小波變換是小波包變換樹中的一部分》（2013-11-03），從Tpwp的小波包樹上，反而比從Matlab自己的工具箱的小波包樹上，能獲得與wavedec輸出系數的誤差更小的變換結果。
利用Matlab小波工具箱，不顯現字眼 “重建”或“合成”以及相應的編程語句，就能可視化與濾波器組和數據延拓模式有關的系統誤差。以圖片1.的程序為例。計算結果如圖片2.所示，由wpcoef獲得的根節點（node 0）上的系數，與被分解信號的誤差，繪於上半部；由wp2wtree從小波包樹上摘取的普通離散小波系數，與wavedec的輸出序列的誤差，繪於下半部。用高斯白噪聲為測試信號，其均值在區間[-8,8]內均勻分布，標准差在[1,68]內均勻分布。
又一次看到，理想per模式最佳。選用其它某些模式，需更謹慎。
新浪賽特居士SciteJushi-2014-11-19。
圖片1. 測驗Matlab小波包系數與被處理信號和普通小波變換數據的誤差的m程序
圖片2. 由圖片1的程序生成的結果
