我有一个 EEG 信号,我有兴趣在时域和频域中对其进行分析。我已经使用过 scipy.signal.spectrogram 函数,但我认为使用小波可以产生更好的特征提取结果。 我尝试对我创建的人工信号运行连续小波变换,如下所示:
fs = 128.0
sampling_period = 1/fs
t = np.linspace(0, 2, 2*fs)
x = chirp(t,10,2,40,'quadratic')
coef, freqs = pywt.cwt(x, np.arange(1,50),'morl',
sampling_period=sampling_period)
然后我绘制了系数矩阵:
plt.matshow(coef)
plt.show()
我的问题是如何调整比例和时间轴?
最佳答案
函数 plt.matshow(coef)
不使用时间和频率数组来创建轴(但它创建基于样本索引的轴)。
我建议使用 plt.pcolormesh(t, freqs, coef)
,因此时间和频率用于轴。然后你可以玩比例尺——比如,将频率轴放在对数比例尺中——并产生类似的东西:
这是生成图像的代码,源自您的示例:
import pywt
import numpy as np
import matplotlib.pyplot as plt
from scipy.signal import chirp
# Define signal
fs = 128.0
sampling_period = 1 / fs
t = np.linspace(0, 2, 2 * fs)
x = chirp(t, 10, 2, 40, 'quadratic')
# Calculate continuous wavelet transform
coef, freqs = pywt.cwt(x, np.arange(1, 50), 'morl',
sampling_period=sampling_period)
# Show w.r.t. time and frequency
plt.figure(figsize=(5, 2))
plt.pcolor(t, freqs, coef)
# Set yscale, ylim and labels
plt.yscale('log')
plt.ylim([1, 100])
plt.ylabel('Frequency (Hz)')
plt.xlabel('Time (sec)')
plt.savefig('egg.png', dpi=150)
关于python - python中连续小波变换图(比例图)中的频率轴,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/43587314/