振动信号的连续小波变换

连续小波变换是一种信号处理方法，与短时傅里叶变换相比，它具有窗口自适应的特点。在工程中，我们通常关心低频信号的频率和高频信号的时间出现情况，因此近年来连续小波变换在工程中的应用越来越广泛。简单来说，连续小波变换将原本一维的数据转换成二维的图像，以便更好地分析信号的频率和时间特性。\[1\]

在制作CWRU（Case Western Reserve University）的连续小波变换时频数据集的过程中，首先遍历指定文件夹下的mat文件，然后基于子函数对CWRU信号进行分割，接着进行CWT（Continuous Wavelet Transform）时频提取。主程序中包括批量CWT绘图的步骤，最后对提取结果进行可视化。\[2\]

在振动信号的连续小波变换中，深度学习通常需要大量的数据才能取得较好的效果。考虑到每种轴承故障类型中振动信号的数量有限，为了增强模型的泛化性和鲁棒性，可以使用数据增强方法对数据集进行扩充。简单来说，数据增强就像是切西瓜，将原本一块很大的西瓜按照一定的距离和方向切成均匀的小块，以增加样本的多样性和数量。\[3\]
#### 引用[.reference_title]
- *1* *3* [基于连续小波变换和卷积神经网络的轴承故障诊断研究](https://blog.csdn.net/qq_36865346/article/details/120053869)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item]
- *2* [制作凯斯西储轴承故障信号（CWRU）的连续小波变换(CWT)时频数据集](https://blog.csdn.net/u013537270/article/details/128358061)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]