本文概述:
小波变换原理:小波直傅里叶变换的基(无限长的三角函数基)换成了有限长的会衰减的小波基。。
小波变换用途:用于时频分析、突变信号分析。
1.小波变换的提出背景
傅里叶变换处理非平稳信号有天生缺陷。它只能获取一段信号总体上包含哪些频率的成分,无法获知各成分出现的时刻。
2. 小波变换相关原理
3. 小波变换在CSI处理中有什么用
可以用于信号去噪
ToDo:以后碰到了在此处补充。
4. python中pywt.wavedec()函数
coeffs = pywt.wavedec(x, 'db4', level=level)
[C,L] = wavedec(X, ‘wname’,N)函数完成1D多阶次离散小波分解,返回系数数组list,所以C=coeffs是个列表,里面主要:1)低频系数,以数组形式存放。2)高频系数,每一层的(水平、垂直、对角线)高频系数构成一个 3 维元组,所以有几层小波分解就有几个元组。C代表的是分解向量,L代表一个记录向量。
data : 输入信号
wavelet: 可以是来自wavelist()的小波名称,也可以是Wavelet对象。PS:软件内含的小波族[‘haar’, ‘db’, ‘sym’, ‘coif’, ‘bior’, ‘rbio’, ‘dmey’]
mode: 信号拓展模式
level: 分解阶次。可使用dwt_max_level()计算信号能达到的最高分解阶次
pywt.dwt_max_level(len(x), db4)
5.python中wrcoef()函数
A4 = wrcoef(x, 'a', coeffs, 'db4', level)
这个函数在上例中是指定用第level层细节进行低频重构
X = wrcoef(L,‘type’,C,‘wname’,N)
type可取低频‘a’或高频’d’,取低频‘a’的时候,N最小可以为0