ContinuousWaveletTransform

ContinuousWaveletTransform[{x1,x2,}]

给出一列 xi 值的连续小波变换.

ContinuousWaveletTransform[data,wave]

给出使用小波 wave 的连续小波变换.

ContinuousWaveletTransform[data,wave,{noct,nvoc}]

给出连续小波变换,其中倍频程为使用 noct,每个倍频程的音频数为 nvoc.

ContinuousWaveletTransform[sound,]

给出声音样本的连续小波变换.

更多信息和选项

范例

打开所有单元关闭所有单元

基本范例  (2)

利用 MexicanHatWavelet 计算连续小波变换:

绘制系数:

进行一个连续小波逆变换:

变换一个采样 Sound 对象:

绘制一个尺度谱图:

范围  (18)

基本用途  (6)

计算连续小波变换:

显示第8个倍频程的所有音频:

Normal 显式得到所有的小波系数:

使用 All 作为自变量得到所有系数:

使用 "IndexMap" 找到可用的小波系数:

提取具体的系数数组:

提取对应于小波索引指定列表的多个小波系数:

提取小波索引与一个模式匹配的全部系数:

WaveletScalogram 给出小波系数的时间尺度表示:

每个倍频程上较多的音频数将增加尺度解析:

较高的倍频程数给出较宽的尺度范围频谱:

时间和尺度功能  (4)

一个单一频率显示为在等价尺度上的水平带:

多重频率显示为等价尺度上的多重带:

频率线性增加的正弦曲线:

小波变换给出特征的良好时间局部化:

较高阶频率在较低倍频程上被解析;较低阶频率在较高倍频程上被解析:

解析一个信号的时间与频率特征:

使用 GaborWavelet 进行连续小波变换:

尺度值与频率值之间存在一个逆关系:

得到解析20到70 赫兹之间频率的数对 {oct,voc}

利用 WaveletScalogram 验证:

小波族  (6)

利用不同的小波族计算小波变换:

狭窄的小波函数具有良好的时间与尺度解析:

宽小波函数的时间与尺度解析较差:

使用不同的小波族捕捉不同的特征:

MexicanHatWavelet(缺省):

DGaussianWavelet

GaborWavelet

MorletWavelet

PaulWavelet

声音  (2)

ContinuousWaveletTransform 作为输入作用于 Sound

利用 ContinuousWaveletTransform 进行语音分析:

桔色的团块区域对应于语句You will return safely to Earth

提取倍频程 5 和 6:

选项  (9)

Padding  (3)

Padding 的设置与 ArrayPad 中的方法相同,包括 "Periodic"

"Reversed"

"ReversedNegation"

"Reflected"

"ReflectedDifferences"

"ReversedDifferences"

"Extrapolated"

Padding 对小波系数的长度没有影响:

Padding 将输入数据填充入2的第二个较高次幂以减少边界效应:

起始位置的边界效应:

终止位置的边界效应:

WaveletScale  (3)

WaveletScale 表示用于变换的最小可解析尺度:

所用尺度以 的形式给出,其中 为小波尺度, 为倍频程, 为音频:

SampleRate  (1)

对于列表,SampleRateAutomatic 值设为1:

显式设置样本率:

对于 Sound 数据,SampleRateAutomatic 值从 Sound 数据对象中提取:

SampleRate 用于小波变换系数的标准化:

WorkingPrecision  (2)

默认情况下,使用 WorkingPrecision->MachinePrecision

使用更高精度计算:

应用  (4)

功能识别  (2)

真实的小波函数可用于隔离峰值或不连续点:

复数小波可用于捕捉振荡行为:

小波系数的振幅:

小波系数的相位:

滤波器频率  (2)

ContinuousWaveletTransform 可用于滤波频率:

滤波频率为 的余弦:

关于一个阈值数据对象进行 InverseContinuousWaveletTransform

滤波后的最终信号:

利用量表识别音符:

生成一系列与300赫兹处的等调和音阶相对应的节拍:

计算根据八度音和话音分解的频率:

求分解300赫兹频率的 {oct,voc} 对:

属性和关系  (1)

倍频程 的默认值为 TemplateBox[{{InterpretationBox[{log, _, DocumentationBuild`Utils`Private`Parenth[2]}, Log2, AutoDelete -> True], (, {n, /, 2}, )}}, Floor]

音频 的默认值为 4:

可能存在的问题  (1)

低频数据在较高的倍频程上被解析:

基于输入数据的长度,倍频程的 Automatic 设置解析了8个倍频程:

增加倍频程数以解析低频成分:

巧妙范例  (1)

Zeta 函数的尺度谱图:

Wolfram Research (2010),ContinuousWaveletTransform,Wolfram 语言函数,https://reference.wolfram.com/language/ref/ContinuousWaveletTransform.html.

文本

Wolfram Research (2010),ContinuousWaveletTransform,Wolfram 语言函数,https://reference.wolfram.com/language/ref/ContinuousWaveletTransform.html.

CMS

Wolfram 语言. 2010. "ContinuousWaveletTransform." Wolfram 语言与系统参考资料中心. Wolfram Research. https://reference.wolfram.com/language/ref/ContinuousWaveletTransform.html.

APA

Wolfram 语言. (2010). ContinuousWaveletTransform. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/ContinuousWaveletTransform.html 年

BibTeX

@misc{reference.wolfram_2024_continuouswavelettransform, author="Wolfram Research", title="{ContinuousWaveletTransform}", year="2010", howpublished="\url{https://reference.wolfram.com/language/ref/ContinuousWaveletTransform.html}", note=[Accessed: 04-November-2024 ]}

BibLaTeX

@online{reference.wolfram_2024_continuouswavelettransform, organization={Wolfram Research}, title={ContinuousWaveletTransform}, year={2010}, url={https://reference.wolfram.com/language/ref/ContinuousWaveletTransform.html}, note=[Accessed: 04-November-2024 ]}