小波分析信号重构,pywt实现，matplotlib添加交互控件

最新推荐文章于 2024-11-07 16:50:01 发布

有追求的菜鸟

最新推荐文章于 2024-11-07 16:50:01 发布

阅读量465

点赞数 1

分类专栏： python 文章标签：重构 python 机器学习

本文链接：https://blog.csdn.net/weixin_43988887/article/details/124792901

版权

python 专栏收录该内容

14 篇文章 0 订阅

订阅专栏

该博客介绍了一个Python实现的小波去噪方法，通过`pywt`库进行小波分解和重构，以去除数据中的噪声。文章展示了如何封装`sgn`函数和`wavelet_noising`函数，用于设定阈值并应用软硬阈值处理。同时，创建了一个交互式示例`WaveletDemo`，允许用户调整去噪级别并实时查看结果。此方法对于信号处理和数据分析领域具有实用价值。

摘要由CSDN通过智能技术生成

import math

import numpy as np
import matplotlib.pyplot as plt
import pywt
from matplotlib.widgets import Slider, Button, RadioButtons, TextBox
from numpy import ndarray


# 封装成函数
def sgn(num):
    if num > 0.0:
        return 1.0
    elif num == 0.0:
        return 0.0
    else:
        return -1.0


def wavelet_noising(np_arr: ndarray,wavelet_name='sym8',level=5):
    if level==0:
        return np_arr[1]

    data = np_arr[1]
    data = data.tolist()
    w = pywt.Wavelet(wavelet_name)  # 选择sym8小波基
    ca, *cds = pywt.wavedec(data, w, level=level)  # 5层小波分解
    *_,cd1=cds
    Cd1 = np.array(cd1)
    abs_cd1 = np.abs(Cd1)
    median_cd1 = np.median(abs_cd1)

    sigma = (1.0 / 0.6745) * median_cd1
    threshold = sigma * math.sqrt(2.0 * math.log(float(len(data)), math.e))  # 固定阈值计算

    usecoeffs = [ca]
    # 软硬阈值折中的方法
    a = 0.5
    for cd in cds:
        for k in range(len(cd)):
            cd[k]=sgn(cd[k]) * (abs(cd[k]) - a * threshold) if abs(cd[k]) >= threshold else 0.0
        usecoeffs.append(cd)
    print('wavelet_name={0},level={1}'.format(wavelet_name,level))
    return pywt.waverec(usecoeffs, w)


class WaveletDemo:
    def __init__(self, data: ndarray):
        self.fig, self.ax = plt.subplots()
        plt.subplots_adjust(bottom=0.25)
        self.data = data
        plt.plot(data[0], data[1], c='r', alpha=0.5, linewidth=0.3)
        self.l, = plt.plot(data[0], data[1], alpha=1.0, linewidth=0.8)
        self.slider = Slider(plt.axes([0.25, 0.15, 0.65, 0.03]),
                             "Amp", 0, 6,
                             valinit=1, valstep=1,
                             color="green")
        self.slider.on_changed(self.update)
        self.reset_button = Button(plt.axes([0.8, 0.025, 0.1, 0.04]), 'Reset', hovercolor='0.975')

        self.txt = TextBox(plt.axes([0.6, 0.025, 0.1, 0.04]), 'wavelet_type')
        self.txt.set_val('sym5')

    def update(self, val):
        # type=self.txt.text
        self.l.set_ydata(wavelet_noising(data, wavelet_name=self.txt.text, level=int(val)))
        self.fig.canvas.draw_idle()

    def show(self):
        plt.show()


path = './data.csv'  # 数据路径
# 提取数据
data = np.loadtxt(path, delimiter=',').T
noise_data = data[1] + np.random.randint(0, 2000, size=data[1].shape)
data = np.array([data[0], noise_data])

demo = WaveletDemo(data)
demo.show()

在这里插入图片描述