cupyx.scipy.signal.morlet2#

cupyx.scipy.signal.morlet2(M, s, w=5)[源码]#

复 Morlet 小波，设计用于 cwt。返回 Morlet 小波的完整版本，并根据 s 进行归一化。

exp(1j*w*x/s) * exp(-0.5*(x/s)**2) * pi**(-0.25) * sqrt(1/s)

参数:

M (int) – 小波长度。
s (float) – 小波的宽度参数。
w (float, 可选) – Omega0。默认值为 5

返回:

morlet

返回类型:

(M,) ndarray

另请参阅

morlet: Morlet 小波的实现，与 cwt 不兼容

注意

此函数设计用于 cwt。由于 morlet2 返回复数数组，因此为获得最佳结果，cwt 的 dtype 参数应设置为 complex128。

请注意其与 morlet 实现的差异。此小波的基频（以 Hz 为单位）由下式给出

f = w*fs / (2*s*np.pi)

其中 fs 是采样率，s 是小波宽度参数。类似地，我们可以获得频率为 f 时的小波宽度参数

s = w*fs / (2*f*np.pi)

示例

>>> from cupyx.scipy import signal
>>> import matplotlib.pyplot as plt
>>> M = 100
>>> s = 4.0
>>> w = 2.0
>>> wavelet = signal.morlet2(M, s, w)
>>> plt.plot(abs(wavelet))
>>> plt.show()

此示例展示了在时频分析中将 morlet2 与 cwt 结合使用的基本方法

>>> from cupyx.scipy import signal
>>> import matplotlib.pyplot as plt
>>> t, dt = np.linspace(0, 1, 200, retstep=True)
>>> fs = 1/dt
>>> w = 6.
>>> sig = np.cos(2*np.pi*(50 + 10*t)*t) + np.sin(40*np.pi*t)
>>> freq = np.linspace(1, fs/2, 100)
>>> widths = w*fs / (2*freq*np.pi)
>>> cwtm = signal.cwt(sig, signal.morlet2, widths, w=w)
>>> plt.pcolormesh(t, freq, np.abs(cwtm),
    cmap='viridis', shading='gouraud')
>>> plt.show()