python小波变换_使用Scipy.signal(Python)进行连续小波变换：cwt()函数中的参数“ widths”是什么？ (时间频率)...

我搜索绘制带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),该函数返回一个矩阵,以复杂的morlet小波(或gabor小波)进行连续小波变换.不幸的是,没有太多关于这种用法的文档.我发现的最好的是：

-Matlab的this(我试图找到相同的比例时间结果),但是我自然无法使用相同的功能,

–this解释了什么是连续小波变换,没有小波参数的详细信息.

第一步：获取刻度转换信号.毫无疑问,我直接将数组“宽度”与可能不同比例的数组相关联.因为,如果参数宽度不定比例,我不知道它是什么.也许,你会告诉我“这是当前小波的宽度”！但是,即使是现在,我仍然不确定链接的宽度如何缩放……在Scipy的Morlet文档中,链接似乎可能是：“ s：缩放因子,从-s * 2 * pi到s * 2 *窗口化pi”,因此,我认为width = 4 * pi * scale(宽度=窗口的宽度).但是当我绘制小波时,更多的比例增加,小波的可视宽度减小更多…

我的第二个问题是找到并画出与频率相等的值.在文献中,我发现以下公式：Fa = Fc /(s * delta),其中Fa是最终频率,Fc是小波的中心频率,单位为Hz,s为比例,为采样周期.因此,可以选择比例尺(如果我找到了宽度的链接)和增量(= 0.001秒),但由于小波的中心频率而变得更加复杂.在scipy文档中,我发现：“此小波[morlet小波]的基本频率以Hz为单位,由f = 2 * s * w * r / M给出,其中r是采样率[s是此处的缩放因子,加窗从-s * 2 * pi到s * 2 * pi.默认值为1； w宽度；和M小波的长度].“我认为这是中心频率,对吗？

谢谢

这是我为cwt()复制的代码：

def MyCWT(data, wavelet, scales):

output = zeros([len(scales), len(data)], dtype=complex)

for ind, scale in enumerate(scales):

window = scale