连续小波变换（Continuous Wavelet Transform，CWT）

连续小波变换（Continuous Wavelet Transform，CWT）是小波变换的一种形式，具有自动变焦性质。它允许在信号的不同频率范围内调整时间分辨率，从而在高频段提高时间分辨率，在低频段降低时间分辨率，以更好地适应信号的时频特性。

具体来说，连续小波变换使用连续参数（通常称为尺度参数和平移参数）来描述小波基函数的变化，而不像离散小波变换（Discrete Wavelet Transform，DWT）那样使用离散的尺度。这使得连续小波变换能够在不同频率和时间尺度上进行连续的分析。

连续小波变换的优势在于它能够根据信号的频率特性自动调整时间分辨率，从而在不同频率范围内提供更好的分析结果。在信号的高频段，连续小波变换能够捕捉到更多细节特征，而在低频段，它则提供了更广泛的概貌信息。

这种自动变焦性质使得连续小波变换在许多应用中非常有用，例如信号处理、图像处理、模式识别等领域。通过调整小波基函数的尺度参数和平移参数，我们可以灵活地控制时间分辨率和频率分辨率，以适应不同类型信号的分析需求。

让我们通过一个简单的例子来说明连续小波变换的自动变焦性质。

假设我们有一个非平稳信号，其中包含了高频和低频成分，且这些成分随着时间的变化而变化。我们希望使用连续小波变换来分析这个信号，并观察其在不同频率范围内的时间分辨率的变化。

1. 信号生成： 我们生成一个包含高频和低频成分的非平稳信号，如下所示：

这个信号包含了频率为 5 Hz 和 20 Hz 的正弦波成分，以及一个随时间平方变化的低频成分。

2. 连续小波变换：我们对这个信号应用连续小波变换，使用不同的小波基函数（如 Morlet 小波），并在不同尺度下进行分析。

3. 观察结果： 分析连续小波变换的结果，观察在不同尺度（或频率）下时间分辨率的变化。我们可以发现，在高频段，连续小波变换会提供较好的时间分辨率，能够捕捉到信号的细节特征；而在低频段，时间分辨率会相对降低，但能够提供信号的概貌信息。

通过这种方式，连续小波变换能够根据信号的频率特性自动调整时间分辨率，实现自动变焦的效果。这使得我们可以更好地观察信号的细节特征和概貌信息，从而更有效地分析非平稳信号的时频特性。