小波散射网络及其应用
1989 年，Mallat 首次提出将基于小波变换的特征提取方法用于模式识别分类中[40]，若干
年后，Mallat 又提出了基于小波变换的小波散射网络这一新型网络结构，该网络主要是基于
小波变换的散射算子（Scattering operators）[41]，能提取出原始信息在弹性形变、仿射变换中
的不变特征。小波散射网络首先将原始信息通过预先设定好的小波滤波器，分层次提取高频
和低频特征信息，再将低频信息进行非线性平稳变换以保证其形变不变性[42]，利用平均算子
将高频信息转化为低频信息，期间丢失的高频信息通过散射算子恢复，通过不断地循环进行
小波变换和非线性变换的过程逐步得到原始信息的特征[43]。小波散射卷积神经网络由于其优
越的性能和完美的数学理论性质而被迅速、广泛地运用到声音、图像或时间序列等领域。
参考：https://github.com/kymatio/kymatio/blob/main/examples/1d/plot_classif_torch.py
"""
Classification of spoken digit recordings
==================================&