问题标签 [pywavelets]

我正在尝试在时间序列数据上使用小波系数作为神经网络的特征，但我对相同的用法有点困惑。我是否需要一次找到整个时间序列的系数，或者使用滑动窗口来找到相同的系数。我的意思是，会在整个时间序列上一次找到系数，在确定这些系数时包括未来的数据点吗？在没有前瞻偏差的情况下，在时间序列数据上使用小波的方法应该是什么？

我对 pywavelet 中的小波感到困惑。假设我有一个从 1hz 到 100hz 开始的啁啾信号，我想用开源的 pywavelet 包对其进行分析。理论上，我可以使用任何中心频率 fc，因为它会针对不同的频率分量缩小或拉长母小波。我对吗？但是，当我使用 fc=50 和 fb=1.5 时，绘制功率时会出现别名。

请有人帮我解决这个问题。我想使用 50 的中心频率而不是 1hz 的原因是因为我发现频率精度随着频率的升高而降低。

或者如果我的信号频率从 1 到 200hz，我该如何选择我的 fc 和 fb？

我正在尝试使用来自 python 中的小波包的逆平稳小波变换来重建所有级别的近似值和细节。我的代码如下：

我正在尝试遵循本网站上描述的程序：

但是，重建的时间序列似乎与原始时间序列不完全匹配。正如你在这里看到的：

有什么帮助吗？

我正在尝试在 Python 中执行小波包变换。因此，我想将频率列表转换为小波包。我试图得到的结果是一个新的值列表，以便稍后生成一个图，这就是问题所在。

到目前为止，这是我的代码的重要部分：

请注意，所有列表（timeList和frequencyList）wp都已转换为numpy 数组。列表的值也只是一个示例。

我使用PyWavelets在我的frequencyList.

如果我想检查两个数组的大小wp并且timeList（参见上面的代码）这是我收到的结果：

谁能解释一下，为什么大小wp是1而不是9？如果我打印wp我会收到一个包含9 个值的图......

我非常感谢任何形式的帮助。

坦克提前很多！

小波在CWT中一次移动一个样本点吗？无论规模如何，这似乎始终具有最佳时间分辨率。在下面的示例中，信号长度为 2048，对于任何比例值，计算的coef的长度为 2048。

如果我的猜测是正确的，这与我之前的理解相矛盾，即我们将扩展小波用于低频。组件，因为我们想要好的频率。分辨率，但低频率时的时间分辨率较差。范围。如图所示。

使用此数据集https://philharmonia.co.uk/resources/sound-samples/我正在尝试绘制特定乐器演奏的音符的功率谱。

我正在使用 librosa 加载音频文件并使用此代码获取一些信息

我也在关注这个https://ataspinar.com/2018/12/21/a-guide-for-using-the-wavelet-transform-in-machine-learning/指南来绘制功率谱，我是使用 pywavelet 库。

我在这段代码中遇到的问题是 RuntimeWarning: 除以零在 log2 中遇到，并且未显示该图。

请注意，幂数组中的某些值位于 -inf。我该如何解决？