python 小波分解_python低通滤波器

python 小波分解_python低通滤波器0.小波簇类型1.print(pywt.families)即可显示软件内含的小波族:[‘haar’,‘db’,‘sym’,‘coif’,‘bior’,‘rbio’,‘dmey’]它们分别是:lHaar(haar)lDaubechies(db)lSymlets(sym)lCoiflets(coif)lBiorthogonal(bior)lReversebior

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺

主要参考来源

0.小波簇类型

1.print(pywt.families)

即可显示软件内含的小波族:

[‘haar’, ‘db’, ‘sym’, ‘coif’, ‘bior’, ‘rbio’, ‘dmey’]

它们分别是:

l Haar (haar)

l Daubechies (db)

l Symlets (sym)

l Coiflets (coif)

l Biorthogonal (bior)

l Reverse biorthogonal (rbio)

l “Discrete” FIR approximation of Meyer wavelet (dmey)

1.四种变换的区别

在这里插入图片描述

2.小波和小波包的区别

工程应用中经常需要对一些非平稳信号进行,小波分析和小波包分析适合对非平稳信号分析,相比较小波分析,利用小波包分析可以对信号分析更加精细,小波包分析可以将时频平面划分的更为细致,对信号的高频部分的分辨率要好于小波分析,可以根据信号的特征,自适应的选择最佳小波基函数,比便更好的对信号进行分析,所以小波包分析应用更加广泛。

2.1小波分解

只适用于低频信息

小波变换只对信号的低频部分做进一步分解,而对高频部分也即信号的细节部分不再继续分解,所以小波变换能够很好地表征一大类以低频信息为主要成分的信号,不能很好地分解和表示包含大量细节信息(细小边缘或纹理)的信号,如非平稳机械振动信号、遥感图象、地震信号和生物医学信号等。

从图中可以看出来,(a为低频,d为高频) 而且顺序是从叶子往上的
这个分解,最终只保留了最低的两个

在这里插入图片描述

2.2 小波包分解

小波包分解,则高频低频都能很好处理

小波包变换既可以对低频部分信号进行分解,也可以对高频部分进行分解,而且这种分解既无冗余,也无疏漏,所以对包含大量中、高频信息的信号能够进行更好的时频局部化分析。
在这里插入图片描述
小波包 树
在这里插入图片描述

每个节点都有对应的小波包系数,这个系数决定了频率的大小,频域信息已经有了

节点的命名,如图所示

那么时域信息呢? 时域就是order,节点的顺序,也就代表了频域的顺序

matlab代码:

clear all  
clc
fs=1024;  %采样频率
f1=100;   %信号的第一个频率
f2=300;   %信号第二个频率
t=0:1/fs:1;
s=sin(2*pi*f1*t)+sin(2*pi*f2*t);  %生成混合信号
[tt]=wpdec(s,3,'dmey');  %小波包分解,3代表分解3层,'dmey'使用meyr小波
plot(tt)               %画小波包树图
wpviewcf(tt,1);        %画出时间频率图

看右图,matlab生成的结果
横轴代表采样点,总计1024个
纵轴代表的频率结果
1204/2 = 512 hz
从512hz开始,3层小波包分解,每一个频带是 512 / 8 = 64hz

交流分量的频率在100hz和300hz

0-64 、65-128 、 129-… 257-320hz
恰好就在波形变化的地方,颜色较深
其他是直流信号,频率没有变化
所以这个图是没有问题的 ,至于命名的数字,不知道为啥
在这里插入图片描述

在这里插入图片描述
参考链接

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/179154.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)
blank

相关推荐

  • python可以自动回收垃圾吗_python 数据清洗

    python可以自动回收垃圾吗_python 数据清洗前言现在的高级语言如java,c#等,都采用了垃圾回收机制,而不再像c,c++里,需要用户自己管理内存。自己管理内存及其自由,可以任意申请内存,但这如同一把双刃剑,可能会造成内存泄漏,空指针等bug

  • 大数据时代下的人工智能医疗应用_大数据下的人工智能

    大数据时代下的人工智能医疗应用_大数据下的人工智能大数据时代下的人工智能医疗十问十答-陆讯1、怎么理解大数据时代下的人工智能健康医疗?2、智能医疗相比于传统医疗有什么优势和劣势吗?3、国内外人工智能医疗的知名公司(医院)有哪些?4、人工智能在医疗领域有哪些应用场景?处在阶段?5、人工智能医疗如何保障用户的安全问题?6、人工智能医疗行业的产品经理从业方向都有哪些?7、如何成为一名合格的人工智能医疗产品经理?8、您所负责过的人工智能医疗产品都是怎样的?9、5G会怎样影响智能医疗行业的发展?10、医疗行业智能化的未来会是什么样?Q1.怎

  • 小程序获取openid40029[通俗易懂]

    小程序获取openid40029[通俗易懂]小程序获取openid40029{“errcode”:40029,“errmsg”:“invalidcode,hints:[req_id:XDgCIfyFe-.LPgiA]”}还出现了errcode:002的情况错误原因:小程序开发者工具中的appid和后台的appid不一致总结40029有可能是因为1.appid与密钥不一致(重置下密钥也可以)2.前后端的a…

  • 扩展卡尔曼滤波EKF与多传感器融合

    扩展卡尔曼滤波EKF与多传感器融合ExtendedKalmanFilter(扩展卡尔曼滤波)是卡尔曼滤波的非线性版本。在状态转移方程确定的情况下,EKF已经成为了非线性系统状态估计的事实标准。本文将简要介绍EKF,并介绍其在无人驾驶多传感器融合上的应用。

  • ensp默认路由配置命令_静态路由配置代码

    ensp默认路由配置命令_静态路由配置代码**eNSP基础篇**一、静态路由配置画出拓扑图,并标注出划分的地址和相关信息。例如:·路由器相关配置R1:Huawei>system-view(进入系统视图)[Huawei]interfaceGigabitEthernet0/0/0(进入0/0/0接口)[Huawei-GigabitEthernet0/0/0]ipaddress192.168.1.124(给接口配上对应的IP地址)[Huawei-GigabitEthernet0/0/0]quit(退出0/0

  • 学习open62541 — [12] 加密(使用mbedTLS)

    学习open62541 — [12] 加密(使用mbedTLS)使用mbedTLS进行加密通信。

    2022年10月31日

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号