将Haar小波变换应用于时间序列数据

Question

在将数据输入RNN（LSTM）之前，我试图将Haar小波变换应用于股票市场数据以降低噪声。由于此数据是一维的，因此我将使用单级DWT，如下所示：

import pywt
x = [3, 7, 1, 1, -2, 5, 4, 6, 1,11,34,44,66,888,33,455,10000,33]
cA, cD = pywt.dwt(x, 'haar')

我有以下问题：

1. 使用单级DWT，我的时间序列已经减少到cA和cD的一半。我了解到cA和cD的每个元素都与原始时间序列中的2个元素相关。一切都很好，但是如何将输出数组与原始系列相对应？
2. 何时需要进行多级分解？另外，随着级别的增加，输出数组会变小，因此，我也无法将“降噪”数据与原始时间序列进行映射。
3. 在cA和cD之间，应将哪一个用作该变换的输出并馈入RNN？

我已经阅读了很多关于小波变换值的高级论文，但是几乎没有一篇通过实际代码。因此，任何示例代码将不胜感激。

最好的问候，

阿黛尔