小波分析Python代码

小波分析是一种数学工具，用于信号处理和数据分析，特别是在非平稳信号处理中特别有效。在Python中，有许多库支持小波分析，如`pywt`（wavelet toolbox）和`scipy.signal`。

使用`pywt`进行小波分析的一个基本示例可能会涉及以下几个步骤：

# 首先安装所需的库
pip install pywt

import numpy as np
from pywt import wavedec, wavedec2

# 创建一个简单的信号作为示例
signal = np.sin(2 * np.pi * 5 * np.arange(1000)) + 0.5 * np.sin(2 * np.pi * 10 * np.arange(1000))

# 对信号进行小波分解（Haar小波为例）
(cA, cD) = wavedec(signal, 'haar')  # cA包含低频信息，cD包含高频细节

# 可视化系数
import matplotlib.pyplot as plt
plt.figure(figsize=(10, 4))
plt.subplot(1, 2, 1)
plt.plot(cA)
plt.title('Approximation Coefficients')

plt.subplot(1, 2, 2)
plt.plot(cD)
plt.title('Detail Coefficients')
plt.show()

在这个例子中，`wavedec()`函数用于对信号进行一阶分解，返回的是两个数组`cA`（近似系数）和`cD`（细节系数）。你可以根据需要选择不同的小波基（如Daubechies、Mexican Hat等），并通过递归调用`wavedec2()`进行多级分解。