Debido a la resistencia al ruido de fondo, la estabilidad de la reconstrucción dispersa y la capacidad de capturar información local de tiempo-frecuencia, la teoría del marco se está convirtiendo en un tema dinámico de vanguardia en la ciencia de datos. En este estudio, superamos las desventajas en la construcción de paquetes de framelet tradicionales derivados por el análisis de multirresolución de marcos y matrices iterativas cuadradas. Proponemos dos enfoques novedosos: uno es dividir directamente los framelets conocidos una y otra vez; el otro enfoque se basa en una función de escala generalizada cuyos desplazamientos no forman un marco de algún espacio. En estos dos enfoques, las matrices iterativas utilizadas no son cuadradas y el número de filas en la matriz iterativa puede ser cualquier número entero.