python连续小波变换_python - 使用Scipy.signal（Python）进行连续小波变换：cwt（）函数中的参数“widths”是什么？ （时间 - 频率） - 堆栈内存溢出...

我搜索绘制具有离散时间信号的时频信号(采样步长= 0.001秒)。 我使用Python和Scipy.signal库。 我使用函数cwt(data，wavelet，widths)返回一个矩阵，用复杂的morlet小波(或gabor小波)进行连续小波变换。 不幸的是，没有很多关于这种用途的文件。 这是我找到的最好的是： - 这个 Matlab的(我试图找到相同的比例时结果)，但我自然不会访问相同的fonctions， -而这其中解释了什么是连续小波变换，无需小波参数的详细信息。

第一步：获取比例转换信号。 有疑问，我直接将数组“widths”与可能不同比例的数组相关联。 因为，如果它不是比例，我不明白什么是参数宽度。 也许，你会告诉我“这是你当前小波的宽度”！ 但是，即使是现在，我也不确定链接宽度与规模的关系......在Scipy的Morlet文档中，似乎链接可能是：“s：缩放因子，窗口从-s * 2 * pi到+ s * 2 * pi“，所以，我认为宽度= 4 * pi *比例(宽度=窗口的宽度)。 但是当我绘制小波时，更多的尺度增加，小波的视觉宽度减少了......

我的第二个问题是找到并绘制具有频率的等价物。 在文献中，我找到了这个公式：Fa = Fc /(s * delta)，其中Fa是最终频率，Fc是小波的中心频率，单位是Hz，s是采样周期的比例和delta。 因此，对于比例(如果我找到宽度的链接)和delta(= 0.001sec)，则可以，但是它对于小波的中心频率更复杂。 在scipy文档中，我发现：“这个小波[morle