Python SciPy signal.cwt用法及代碼示例

本文簡要介紹 python 語言中 scipy.signal.cwt 的用法。

用法:

scipy.signal.cwt(data, wavelet, widths, dtype=None, **kwargs)#

連續小波變換。

使用小波函數對數據執行連續小波變換。 CWT 使用小波函數對數據進行卷積，其特征在於寬度參數和長度參數。小波函數可以是複數。

參數 ：：

data： (N,) 數組

執行轉換的數據。

wavelet： 函數

小波函數，它應該有 2 個參數。第一個參數是返回向量將具有的點數 (len(wavelet(length,width)) == length)。第二個是寬度參數，定義小波的大小(例如高斯的標準偏差)。請參閱滿足這些要求的 ricker 。

widths： (M,) 序列

用於變換的寬度。

dtype： 數據類型，可選

所需的輸出數據類型。默認為float64如果輸出小波是真實的並且complex128如果它很複雜。

kwargs：

傳遞給小波函數的關鍵字參數。

返回 ：：

cwt：(M，N)ndarray

將具有 (len(widths), len(data)) 的形狀。

注意：

對於非對稱complex-valued小波，輸入信號與小波數據的time-reversedcomplex-conjugate進行卷積[1]。

length = min(10 * width[ii], len(data))
cwt[ii,:] = signal.convolve(data, np.conj(wavelet(length, width[ii],
                                **kwargs))[::-1], mode='same')

參考：

[1]

S. Mallat，“信號處理小波導覽(第 3 版)”，學術出版社，2009 年。

例子：

>>> import numpy as np
>>> from scipy import signal
>>> import matplotlib.pyplot as plt
>>> t = np.linspace(-1, 1, 200, endpoint=False)
>>> sig  = np.cos(2 * np.pi * 7 * t) + signal.gausspulse(t - 0.4, fc=2)
>>> widths = np.arange(1, 31)
>>> cwtmatr = signal.cwt(sig, signal.ricker, widths)

注意

對於 cwt 矩陣繪圖，建議翻轉 y 軸

>>> cwtmatr_yflip = np.flipud(cwtmatr)
>>> plt.imshow(cwtmatr_yflip, extent=[-1, 1, 1, 31], cmap='PRGn', aspect='auto',
...            vmax=abs(cwtmatr).max(), vmin=-abs(cwtmatr).max())
>>> plt.show()