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