用python写连续小波将一维数据变为时频图的代码

以下是使用Python实现连续小波变换并将一维数据转换为时频图的代码：

import numpy as np
import pywt
import matplotlib.pyplot as plt

# 设置连续小波分析的参数
wavelet = 'cmor3-3'  # 选取的小波基函数
levels = 10         # 分解的层数
fs = 100            # 采样频率
t = np.arange(0, 10, 1/fs)  # 时间序列
frequencies = np.arange(1, 10, 1)  # 需要分析的频率范围

# 构造模拟信号
x = np.sin(2 * np.pi * 5 * t) + np.cos(2 * np.pi * 3 * t)

# 进行连续小波分析
cwtmatr, freqs = pywt.cwt(x, frequencies, wavelet, sampling_period=1/fs, \
                          levels=levels)

# 绘制时频图
plt.figure(figsize=(8, 6))
plt.imshow(abs(cwtmatr), cmap='jet', aspect='auto', \
           extent=[min(t), max(t), min(frequencies), max(frequencies)])
plt.xlabel('Time (s)')
plt.ylabel('Frequency (Hz)')
plt.title('Continuous Wavelet Transform')
plt.colorbar()
plt.show()

代码解释：

1. 首先引入需要的库，包括numpy、pywt和matplotlib。

2. 设置需要进行连续小波分析的参数，包括选取的小波基函数、分解的层数、采样频率、时间序列和需要分析的频率范围。

3. 构造模拟信号，这里采用了一个简单的正弦波和余弦波的叠加。

4. 使用pywt.cwt()函数进行连续小波分析，返回的cwtmatr是一个二维数组，表示各个频率下的小波系数。

5. 使用matplotlib库的imshow()函数绘制时频图，其中使用cmap='jet'设置颜色映射，aspect='auto'自动调整纵横比，extent参数指定坐标轴的范围，colorbar()函数添加颜色条。

运行代码后，将会得到一张时频图，其中横轴表示时间，纵轴表示频率，颜色表示小波系数的大小。