Wavelet(小波变换)

From paper 0013:
Application of the cross wavelet transform and wavelet coherence to geophysical time series

• phase angle statistics can be used to gain confidence in causal relationships
• wavelet transforms expand time series into time frequency space and can therefore find localized intermittent periodicities.

小波变换两种类型：
- Continuous Wavelet Transform (CWT)
- Discrete Wavelet Transform(DWT)
区别：
DWT是数据的压缩表示，对于噪声的减少和书压缩很有用；
CWT则是对特征提取很有用

此处只涉及CWT

(1) The Continuous Wavelet Transform (CWT)

首先说说小波(wavelet)
小波是什么呢？小波首先是一个函数，该函数的均值为零，且既在时域又在频域存在。我们可以通过一个小波所在的时间（$\Delta t$）和所在的频率（$\Delta \omega$或者带宽 bandwidth）来表征一个小波。

根据海森堡不确定原理（Heisenberg uncertainty principle），我们不能同时确定时间和频率。

当然有很多种小波的定义方式，
Morlet 小波是这样定义的：

$$\psi_0(\eta) = \pi^{-1/4}e^{i \omega_0 \eta} e^{-1/2 \eta^2}$$
其中 $\omega_0$ 是无量纲的频率， $\eta$ 是无量纲的时间。
在处理特征提取的时候，Morlet wavelet（ $\omega_0 = 6$）是一个不错的选择，因为它权衡了时间和频率。所以接下来的套路都是基于这个Morlet wavelet的。

其实连续小波变换(CWT)的思想就是，将小波作为一个带通滤波器作用到时间序列上。小波通过变换它的尺度（scale）来在时间维度上拉伸（stretch）。
所以 $\eta = s\cdot t$，然后再标准化到单位能量上去。
对于Morlet wavelet（$\omega_0 = 6$），傅里叶时段（$\lambda_{wt}$）几乎就等于scale为($\lambda_{wt}=1.03s$)的时候。

一段有固定步长 $\delta_t$ 的时间序列（