4

我搜索以绘制具有离散时间信号的时频信号（采样步长 = 0.001 秒）。我使用 Python 和库 Scipy.signal。我使用函数 cwt(data, wavelet, widths)，它返回一个矩阵，用复 morlet 小波（或 gabor 小波）进行连续小波变换。不幸的是，没有很多关于这种用法的文档。我发现的最好的是： -这适用于 Matlab（我试图找到相同的尺度时间结果），但我自然无法使用相同的函数， -这解释了什么是连续小波变换，没有小波参数的详细信息.

第一步：获取比例转换信号。毫无疑问，我直接将数组“宽度”与可能的不同比例的数组相关联。因为，如果不是比例，我不明白什么是参数宽度。也许，你会告诉我“这是你当前小波的宽度”！但是，即使是现在，我也不确定链接宽度与比例的关系......在 Scipy 的 Morlet 文档中，链接似乎可能是：“s: Scaling factor, windowed from -s*2*pi to +s*2 *pi"，所以，我认为宽度 = 4*pi*scale（宽度=窗口的宽度）。但是当我绘制小波时，更多的比例增加，更多的小波的视觉宽度减小......

我的第二个问题是找到并绘制频率等价物。在文献中，我找到了这个公式：Fa = Fc / (s*delta)，其中 Fa 是最终频率，Fc 是小波的中心频率，以 Hz 为单位，s 是尺度，delta 是采样周期。因此，对于比例（如果我找到与宽度的链接）和增量（= 0.001 秒）来说没问题，但是小波的中心频率更复杂。在 scipy 文档中，我发现：“这个小波 [morlet 小波] 的基频 (Hz) 由 f = 2*s*w*r / M 给出，其中 r 是采样率 [s 在这里是缩放因子，窗口化从 -s*2*pi 到 +s*2*pi。默认为 1；w 宽度；和 M 小波的长度]。我认为是中心频率，是吗？

谢谢

这是我为 cwt() 重新编写的代码：

def MyCWT(data, wavelet, scales):

output = zeros([len(scales), len(data)], dtype=complex)

for ind, scale in enumerate(scales):

    window = scale*4*pi*10#Number of points to define correctly the wavelet
    waveletLength = min(window, len(data))#Number of points of the wavelet
    wavelet_data = wavelet(waveletLength, s=scale)#Need to precise w parameter???

    #To see the wavelets:
    plot(wavelet_data)
    xlabel('time (10^-3 sec)')
    ylabel('amplitude')
    title('Morlet Wavelet for scale='+str(scale)+'\nwidth='+str(window))
    show()

    #Concolution to calculate the current line for the current scale:
    z = convolve(data, wavelet_data, mode='same')

    i = 0
    for complexVal in z:
        output[ind][i] = complex(complexVal.real, complexVal.imag)         
        i+=1

return output
4

1 回答 1

4

The widths parameter is an array of width sizes to which the wavelet is stretched to before convolving the wavelet with the data.

You should choose a range starting with a value slightly smaller than your expected signal width, up to slightly larger. The more values you supply, the slower the calculation but the higher the resolution.

Check out the documentation or the referenced paper Bioinformatics (2006) 22 (17): 2059-2065. doi: 10.1093/bioinformatics/btl355 for more information.

于 2014-06-25T16:31:41.760 回答