上次只进行了简单的阈值降噪,没有具体研究其中的每一层系数。
我尝试将每一层系数直接画出来,得到的结果有问题,系数的长度与原始数据并不相同,这是因为这只是信号分解到小波域的系数,而非时域信号。因此还要将这一层的系数重建,才能得到这一层的时域信号。matlab中能够实现这一功能的函数是wrcoef,python中对应的函数是upcoef,简单来说,uocofe的定义是upcofe(类型,需要重建的系数,小波基,当前层次)。其中类型是指需要重建的是近似系数还是细节上系数。
这次把每一层系数都画了出来,代码和结果如下:
import matplotlib.pyplot as plt
import pywt
import pandas as pd
xy=pd.read_csv('D:/SYYD.CSV')
s=[]
for each in xy['C1 in V']:
s.append(each)
w=pywt.wavedec(s, 'sym7',level=6)#小波分解
### w是一个列表,w[0]是最大尺度的近似系数,w[1]是最大尺度的细节系数,w[2]是次大尺度的细节系数,以此类推
N=len(s)
rec_w=[]
#######对单个系数重构,使其长度与原始数据一致
rec_w.append(pywt.upcoef('a', w[0], 'sym7',level=6))#w[0]是近似系数,其他的都是细节系数,所以把这个单独拿出来重建
#通过循环把剩余的细节系数全部分别重建
for i in range(1,len(w)):
rec_w.append(pywt.upcoef('d', w[i], 'sym7',level=(7-i)))
#####作图
for i in range(1,len(rec_w)+1):
plt.subplot(len(rec_w)*100+10+i)
plt.plot(rec_w[i-1],linewidth=0.5)
if i==1:
plt.title('a6',fontsize = 10,x=1.05,y=0.5)
plt.xticks(alpha=0)
elif i!=len(rec_w):
plt.title('d'+str(8-i),fontsize = 10,x=1.05,y=0.5)
plt.xticks(alpha=0)
else:
plt.title('d'+str(8-i),fontsize = 10,x=1.05,y=0.5)
plt.show()
下图是运行上面这段python代码得到的图
可以和matlab中的小波工具箱得到的结果(下图)对比一下,不能说差不多,只能说是一模一样了
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)