cupyx.scipy.signal.morlet2#

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

复杂Morlet小波，设计用于与 cwt 一起工作。返回Morlet小波的完整版本，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) – 小波的长度。
s (float) – 小波的宽度参数。
w (float, optional) – Omega0。默认值为 5

返回:

morlet

返回类型:

(M,) ndarray

参见

morlet: Morlet 小波的实现，与 cwt 不兼容

备注

此函数设计用于与 cwt 一起工作。由于 morlet2 返回一个复数数组，cwt 的 dtype 参数应设置为 complex128 以获得最佳结果。

注意与 morlet 实现方式的差异。该小波的基本频率（以赫兹为单位）由以下公式给出:

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，我们可以在 f 处获取小波宽度参数:

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使用 morlet2 和 cwt 的基本用法：

>>> 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()