zoukankan      html  css  js  c++  java
  • 小波变换教程(十三)

    原文:http://users.rowan.edu/~polikar/WTpart3.html

    译文:https://blog.csdn.net/alihouzi/article/details/45190451

    CWT应用举例

            下面给出的所有例子均为现实生活中的非平稳信号。这些信号都来自包括正常人与阿尔茨海默氏症(Alzheimer)患者的事件相关电位(ERP)数据库。因为这些不是如简单正弦信号一样的测试信号,要解释它们并不容易,这里只是为了说明现实信号的连续小波变换(CWT)到底是怎样的。

            图3.11所示为正常人的ERP信号:

                    

                                                                                     图 3.11

            图3.12为图3.11所示信号的CWT结果。坐标轴上的数字可以不必太关心。这些数字仅是表明,计算CWT时,在平移-尺度平面上有350个平移单位和60个尺度单位。需要特别说明的是,这里的计算并不是真正的连续小波变换。因为显然,上述结果是在有限个点上计算出来的。它仅仅是CWT的一种离散形式,这点稍后会再解释。同时还要说明的是,这更不是离散小波变换(DWT)。DWT的内容会在更后面介绍。

                

                                                                                            图 3.12

            图3.13与图3.12一样同样是图3.11所示信号的CWT,只是观看的角度与图3.12有所不同。

                

                                                                                        图 3.13

            图3.14是Alzheimer 症患者的ERP信号:

                

                                                                                                  图 3.14

             图3.15为图3.14所示信号的CWT结果。

                

                                                                                       图 3.15

            图3.16与图3.15一样是图3.14所示信号的CWT结果是与图3.15一样的结果,只是观察的角度有所不同。

                

                                                                                        图 3.16

  • 相关阅读:
    期末考试冬眠
    题解 P1457 【城堡 The Castle】
    题解 P1052 【过河】
    题解 P5663 【加工零件【民间数据】】
    与 macOS 10.12 兼容的OpenCV版本
    summarise() regrouping output 警告
    binary_crossentropy和BinaryCrossentropy的区别
    损失函数BinaryCrossentropy例子说明
    理解功能强大的sed替换命令
    理解GAN对抗神经网络的损失函数和训练过程
  • 原文地址:https://www.cnblogs.com/sggggr/p/11872079.html
Copyright © 2011-2022 走看看