声明:本文章笔记是此YouTube视频的个人总结:初学者的小波变换 - YouTube
一、如何简单易懂理解连续小波变换
1、为什么要使用小波变换:对非平稳信号,FFT无法定位故障频率的时间,即无法提供局部信号频率信息。因此出现了短时傅里叶变换(STFT),来克服FFT的这一缺陷,STFT使用固定长度的窗函数(可以理解为:用一个方框去扫描信号),沿着信号扫描,对其进行FFT。(如下图,扫描后得到三维图,比FFT多了时间的维度。)但是STFT还是存在缺点:窗函数是固定的(变换的过程中不能改变),导致信号的分辨率是固定的,不能清楚定位故障频率在具体什么时间,但相比FFT,我们可以知道某频率范围在什么时段存在。换句话说,STFT能定位故障时间段、频率范围,不能定位到具体的时间点、故障频率。为了能定位到具体某个的故障时间点和频率,小波变换诞生了。
原始信号与STFT处理后的结果
2、从公式上看FTT、STFT、小波变换(WT)的区别:(可以看出,STFT多了一个窗函数的变量τ,WT则将STFT的一块指数运算替换为小波函数)
FTT、STFT公式:
小波变换(WT)公式:
3、小波变换如何定位具体的故障时间点和频率?
可以简单理解为进行多个STFT,但是不是用窗函数按找一个范围逐个扫描使用FFT,而是使用小波函数进行扫描,并且用频率不同的小波函数对局部信号重复扫描,扫描的次数越多,分辨率越高,得到高分辨率的局部信号。(这个过程也被称作:将信号分解成不同尺度上的频率分量。)
不同的小波函数
使用不同的小波函数进行多次扫描
WT结果图
小波分解:重复对局部信号进行小波变换,获得分辨率更高的信号分量。
对原始信号进行多次小波分解后,通过合成低频率的信号分量,能起到信号降噪作用。
二、小波函数怎么选?(本人还不太懂)
Mathworks:小波族 - MATLAB 和 Simulink (mathworks.com)
CSDN:有关小波的几个术语及常见的小波基介绍_sym4小波-CSDN博客
查看Python库中有哪些小波函数:python小波变换3-代码实现(pywt库,cwt-2D/3D时频图绘制,dwt-信号分解及重建)-CSDN博客