我有一个以 128 Hz 采样的信号。我曾经使用频谱图函数提取特征，我决定升级我的算法，并尝试在 python 中使用连续小波变换 (pywt.cwt) 对其进行分析。这个函数只有两个输出：系数和频率，而频谱图也返回时间向量。与理论上所说的类似，得到的频率向量在每两个样本之间具有不同的差异（低频时密度高，反之亦然）。根据测不准原理，时间向量的密度也必须与频率向量成反比，不是吗？我的理解是基于附图中的著名图表。
如果我没记错的话，时间向量（没有返回）只是信号的原始时间向量，这意味着每两个相邻样本之间的差异是恒定的。请帮助我理解这种不匹配。
python中的连续小波变换时间向量
信息处理
小波
Python
2022-02-05 17:43:54
1个回答
类似的问题在这里小波变换计算哪些时频系数？
您显示的图片用于 DWT，例如pywt.wavedec，而不是 CWT。
CWT 是一个连续函数；它存在于时间尺度平面的所有点上。
pywt.cwt生成一个具有恒定列数和行数的二维数组，因此它是 CWT 的常规采样，无论您指定什么比例，对于输入的每个样本：
shape(y)
Out[5]: (512,)
shape(freqs)
Out[6]: (128,)
shape(coef)
Out[7]: (128, 512)
我认为 DWT 的系数包含的信息刚好可以用逆 DWT 准确再现原始数据，而 CWT 输出有很多冗余信息，可能会丢失一些信息。
其它你可能感兴趣的问题