上次只进行了简单的阈值降噪,没有具体研究其中的每一层系数。
我尝试将每一层系数直接画出来,得到的结果有问题,系数的长度与原始数据并不相同,这是因为这只是信号分解到小波域的系数,而非时域信号。因此还要将这一层的系数重建,才能得到这一层的时域信号。
这次把每一层系数都画了出来,代码和结果如下:
原文中有错误,现在放出了修改后的版本:
import matplotlib.pyplot as plt
import pywt
import pandas as pd
xy=pd.read_csv('D:/SYYD.CSV')
s=[]
for each in xy['C1 in V']:
s.append(each)#将文件中的数据放入列表s中
wl='db4'
a = s
ca = []#近似分量
cd = []#细节分量
for i in range(6):
(a, d) = pywt.dwt(a, wl)#进行6阶离散小波变换
ca.append(a)
cd.append(d)
rec_a = []#近似系数重建后的时域波形
rec_d = []#细节系数重建后的时域波形
for i, coeff in enumerate(ca):
coeff_list = [coeff, None] + [None] * i
rec_a.append(pywt.waverec(coeff_list, wl))#近似系数重构
for i, coeff in enumerate(cd):
coeff_list = [None, coeff] + [None] * i
rec_d.append(pywt.waverec(coeff_list, wl))#细节系数重构
plt.subplot((len(rec_a)+2),1,1)
plt.plot(s,linewidth=0.5)
plt.xlim(0,120000)
plt.title('heartsound',fontsize = 10,x=1.05,y=0.5)
plt.subplot((len(rec_a)+2),1,2)
plt.plot(rec_a[-1],linewidth=0.5)
plt.xlim(0,120000)
plt.title('a'+str(len(rec_a)),fontsize = 10,x=1.05,y=0.5)
for i in range(len(rec_d)):
plt.subplot((len(rec_a)+2),1,i+3)
plt.plot(rec_d[i],linewidth=0.5)
plt.xlim(0,120000)
plt.title('d'+str(i+1),fontsize = 10,x=1.05,y=0.5)
plt.show()
下图是运行上面这段python代码得到的图
可以和matlab中的小波工具箱得到的结果(下图)对比一下,不能说差不多,只能说是一模一样了