EWT自适应分解Python代码

EWT（Empirical Wavelet Transform，经验小波变换）是一种信号分解方法，用于将信号分解为多个经验小波成分。下面是一个基本的EWT自适应分解的Python代码示例：

import numpy as np
import matplotlib.pyplot as plt

def ewt_decomposition(signal, num_scales=5, num_iterations=10, stopping_criteria=0.01):
    coefficients = []
    residue = signal.copy()
    
    for scale in range(num_scales):
        detail = residue.copy()
        
        for iteration in range(num_iterations):
            local_mean = np.mean(detail)
            local_std = np.std(detail)
            threshold = stopping_criteria * local_std
            
            detail[np.abs(detail - local_mean) < threshold] = 0
            
            if np.max(np.abs(detail)) < threshold:
                break
        
        coefficients.append(detail)
        residue -= detail
    
    coefficients.append(residue)
    
    return coefficients

# 示例使用
# 生成一个示例信号
t = np.arange(0, 1, 0.01)
signal = np.sin(2 * np.pi * 5 * t) + np.sin(2 * np.pi * 10 * t) + np.sin(2 * np.pi * 15 * t)

# 进行EWT分解
coefficients = ewt_decomposition(signal)

# 绘制分解结果
plt.figure(figsize=(10, 6))
plt.subplot(len(coefficients), 1, 1)
plt.plot(signal)
plt.title("Original Signal")

for i in range(len(coefficients)):
    plt.subplot(len(coefficients), 1, i+2)
    plt.plot(coefficients[i])
    plt.title("Component {}".format(i+1))

plt.tight_layout()
plt.show()

这段代码中的`ewt_decomposition`函数接受一个信号作为输入，并使用EWT算法将信号分解为多个经验小波成分。在每个尺度上，通过迭代过程将信号中的局部小波成分置零。重复这个过程直到局部小波成分的振幅低于指定的停止条件。最后，返回所有的经验小波成分和残差成分。

在示例中，我们生成一个包含三个正弦波的示例信号，并使用EWT分解将其分解为多个经验小波成分和一个残差成分。然后，我们绘制原始信号和分解后的各个成分。