0

我是使用小波分解领域的新手。我正在尝试在python（使用pywt）中分解和重建（用很少的系数）一维数据。从这个文档中，我编写了下面的代码，它用 512 个系数（即cAor的大小cD）重建数据，但我认为它们应该是一种选择（限制）我认为产生合理数据重建的系数数量的方法。

%matplotlib inline
import pylab as plt
import pywt

# Data
data = ll[5].x0

n = len(data)

w = 'db1'

(cA, cD) = pywt.dwt(data, w, 'sp1')  # Decomposition 

# Perfect Reconstruction of data
perfect_reconstruction = pywt.upcoef('a',cA[:],w,take=n) + pywt.upcoef('d',cD[:],w,take=n)
reconstructed = pywt.upcoef('a',cA[:],w,take=n) # Approximate Reconstruction of data

x = np.arange(1.008,1.008+1024*0.001,0.001)

plt.figure(figsize=(20,8))
plt.subplot2grid((2,1),(0,0)) 
plt.title('Perfect Reconstruction of data - %s  with rms error of 1.39 x e$^{-15}$'%w, fontsize=20)
plt.plot(x,data,'-',label='Data')

plt.plot(x,perfect_reconstruction,'-r',label='Reconstructed data')
plt.legend(loc='best',fontsize='x-large')
plt.xticks(fontsize = 14)
plt.yticks(fontsize = 14)

plt.subplot2grid((2,1),(1,0))
plt.title('Approximate Reconstruction of data - %s with rms error of 1.30 x e$^{-3}$'%w, fontsize=20)
plt.plot(x,data,'-',label='Data')

plt.plot(x,reconstructed,'-r',label='Reconstructed data')
plt.legend(loc='best',fontsize='x-large')
plt.xticks(fontsize = 14)
plt.yticks(fontsize = 14)
plt.show()

图1 请，如果有人可以帮助我对我可以做些什么来以更少的系数实现正确的分解和重建的任何建议，我将非常感谢它以及有关如何编写其背后的数学的任何信息，因为我的目标是找到一个数学表达式最能描述分解后系数较少的数据。

4

0 回答 0