cupyx.scipy.signal.cwt#

cupyx.scipy.signal.cwt(data, wavelet, widths)[source]#

连续小波变换。

使用 wavelet 函数对 data 执行连续小波变换。CWT 使用 wavelet 函数对 data 进行卷积，该函数由宽度参数和长度参数表征。

参数：

  • data ((N,) ndarray) – 要执行变换的数据。

  • wavelet (function) – 小波函数，应接受 2 个参数。第一个参数是返回向量将包含的点数 (len(wavelet(length,width)) == length)。第二个参数是宽度参数，定义小波的大小（例如，高斯函数的标准差）。参见 ricker 函数，它满足这些要求。

  • widths ((M,) sequence) – 用于变换的宽度列表。

返回：

cwt – 形状为 (len(widths), len(data))。

返回类型：

(M, N) ndarray

注意

length = min(10 * width[ii], len(data))
cwt[ii,:] = cupyx.scipy.signal.convolve(data, wavelet(length,
                            width[ii]), mode='same')

示例

>>> import cupyx.scipy.signal
>>> import cupy as cp
>>> import matplotlib.pyplot as plt
>>> t = cupy.linspace(-1, 1, 200, endpoint=False)
>>> sig  = cupy.cos(2 * cupy.pi * 7 * t) + cupyx.scipy.signal.gausspulse(t - 0.4, fc=2)
>>> widths = cupy.arange(1, 31)
>>> cwtmatr = cupyx.scipy.signal.cwt(sig, cupyx.scipy.signal.ricker, widths)
>>> plt.imshow(abs(cupy.asnumpy(cwtmatr)), extent=[-1, 1, 31, 1],
               cmap='PRGn', aspect='auto', vmax=abs(cwtmatr).max(),
               vmin=-abs(cwtmatr).max())
>>> plt.show()