使用连续小波变换对时间轴上频率发生变化的非平稳信号进行处理
傅里叶变换对时间轴上的平稳信号处理有着很大的优势,但是对非平稳信号就无能为力了。
小波变换是基于傅里叶变换产生的可以用于处理非平稳信号的信号处理方式,在此使用小波变换对时间轴上的非平稳信号进行处理。
程序显示内容:生成信号频率分别为300赫兹、100赫兹、50赫兹的信号,在时间轴上依次形成。这样产生的信号在会随着时间变换,信号频率也会变化,随后用小波变换进行信号处理。
代码显示如下:
import matplotlib.pyplot as plt
import numpy as np
import pywt
sampling_rate = 1024
# 三个参数 起点为0,终点为1.0,步长为1.0 / sampling_rate
t = np.arange(0, 1.0, 1.0 / sampling_rate)
f1 = 300
f2 = 100
f3 = 50
data = np.piecewise(t, [t < 1, t < 0.8, t < 0.3],
[lambda t: np.sin(2 * np.pi * f1 * t),
lambda t: np.sin(2 * np.pi * f2 * t),
lambda t: np.sin(2 * np.pi * f3 * t)])
wavename = 'cgau8'
totalscal = 256
# 中心频率
fc = pywt.central_frequency(wavename)
cparam = 2 * fc * totalscal
scales = cparam / np.arange(totalscal, 1, -1)
# 连续小波变换
[cwtmatr, frequencies] = pywt.cwt(data, scales, wavename, 1.0 / sampling_rate)
plt.figure(figsize=(8, 4))
plt.subplot(211)
plt.plot(t, data)
plt.xlabel(u"t/s")
plt.title(u"300Hz'100Hz'50Hz 's shipinpu", fontsize=20)
plt.subplot(212)
plt.contourf(t, frequencies, abs(cwtmatr))
plt.ylabel(u"fs(Hz)")
plt.xlabel(u"t/s")
plt.show()
结果显示:
注:关于np.piecewise函数,可以参考博主另一篇文章:
https://blog.csdn.net/ximu__l/article/details/128965369
文章参考:https://www.cnblogs.com/undefined-name/p/9360933.html