小波变换特征提取python

小波变换在信号处理领域中经常被用于特征提取，尤其在故障诊断领域应用广泛。如果你想在Python中实现小波变换特征提取，可以使用PyWavelets库。下面是一个简单的示例代码，展示了如何使用小波变换提取信号的特征：

import pywt
import numpy as np

# 生成示例信号
sampling_rate = 1024
t = np.arange(0, 1.0, 1.0 / sampling_rate)
f1 = 100
f2 = 200
f3 = 300
f4 = 400
data = np.piecewise(t, [t < 1, t < 0.8, t < 0.5, t < 0.3], [lambda t: 400*np.sin(2 * np.pi * f4 * t), lambda t: 300*np.sin(2 * np.pi * f3 * t), lambda t: 200*np.sin(2 * np.pi * f2 * t), lambda t: 100*np.sin(2 * np.pi * f1 * t)])

# 进行小波变换
wavename = 'cgau8'
totalscal = 256
fc = pywt.central_frequency(wavename)
cparam = 2 * fc * totalscal
scales = cparam / np.arange(totalscal, 1, -1)
[cwtmatr, frequencies] = pywt.cwt(data, scales, wavename, 1.0 / sampling_rate)

# 可视化小波变换结果
import matplotlib.pyplot as plt
plt.figure(figsize=(8, 4))
plt.subplot(211)
plt.plot(t, data)
plt.xlabel("t(s)")
plt.title('shipinpu', fontsize=20)
plt.subplot(212)
plt.contourf(t, frequencies, abs(cwtmatr))
plt.ylabel(u"prinv(Hz)")
plt.xlabel(u"t(s)")
plt.subplots_adjust(hspace=0.4)
plt.show()

这段代码生成了一个示例信号，然后使用小波变换将其转换为时间-频率图。你可以根据需要修改信号生成的方法、小波函数和尺度等参数来适应你的实际任务。