Python和JAX及MATLAB小波分析导图

2024-09-01 11:36

本文主要是介绍Python和JAX及MATLAB小波分析导图,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

🎯要点

  1. 离散小波变换和逆离散小波变换
  2. 时间序列谱分析
  3. 计算比例图和频谱图显示数据
  4. 莫莱小波时频数据表征
  5. 海表温度异常的区域平均值
  6. 捕捉市场波动时间频率关联信息
  7. 信号和图像分解压缩重建
  8. 降维
  9. 分析金融波动
  10. 连续小波卷积网络和离散小波信号分类
  11. 图像处理、提取地震图速度和衰减参数
  12. 高质量无噪音时频分析
    在这里插入图片描述

Python哈尔小波

在数学中,哈尔小波是一系列重新缩放的“方形”函数,它们共同构成小波族或基。小波分析类似于傅立叶分析,因为它允许用正交基来表示间隔内的目标函数。哈尔序列现在被认为是第一个已知的小波基,并被广泛用作教学示例。哈尔小波也是最简单的小波。哈尔小波的技术缺点是它不连续,因此不可微分。然而,这一特性对于分析具有突然转变的信号(离散信号)来说却是一个优势,例如监控机器中的工具故障。

哈尔小波的母小波函数 ψ ( t ) \psi(t) ψ(t)可以描述为
ψ ( t ) = { 1 0 ≤ t < 1 2 − 1 1 2 ≤ t < 1 0 否则  \psi(t)= \begin{cases}1 & 0 \leq t<\frac{1}{2} \\ -1 & \frac{1}{2} \leq t<1 \\ 0 & \text { 否则 }\end{cases} ψ(t)= 1100t<2121t<1 否则 

其尺度函数 φ ( t ) \varphi(t) φ(t)可描述为
φ ( t ) = { 1 0 ≤ t < 1 0 否则  \varphi(t)= \begin{cases}1 & 0 \leq t<1 \\ 0 & \text { 否则 }\end{cases} φ(t)={100t<1 否则 
与哈尔小波相关的 2×2 哈尔矩阵为
H 2 = [ 1 1 1 − 1 ] H_2=\left[\begin{array}{cc} 1 & 1 \\ 1 & -1 \end{array}\right] H2=[1111]
使用离散小波变换,可以将任意长度的偶数序列 ( a 0 , a 1 , … , a 2 n , a 2 n + 1 ) \left(a_0, a_1, \ldots, a_{2 n}, a_{2 n+1}\right) (a0,a1,,a2n,a2n+1) 变换为二元序列 -向量 ( ( a 0 , a 1 ) , ( a 2 , a 3 ) , … , ( a 2 n , a 2 n + 1 ) ) \left(\left(a_0, a_1\right),\left(a_2, a_3\right), \ldots,\left(a_{2 n}, a_{2 n+1}\right)\right) ((a0,a1),(a2,a3),,(a2n,a2n+1))。如果将每个向量与矩阵 H 2 H_2 H2 右乘,则得到结果 ( ( s 0 , d 0 ) , … , ( s n , d n ) ) \left(\left(s_0, d_0\right), \ldots,\left(s_n, d_n\right)\right) ((s0,d0),,(sn,dn)) 为快速哈尔小波变换的阶段。通常,我们将序列 s s s d d d 分开,然后继续转换序列 s s s。序列 s s s 通常被称为平均值部分,而 d d d 被称为细节部分。

如果一个序列的长度是四的倍数,则可以构建 4 个元素的块,并使用 4×4 哈尔矩阵以类似的方式对其进行变换
H 4 = [ 1 1 1 1 1 1 − 1 − 1 1 − 1 0 0 0 0 1 − 1 ] H_4=\left[\begin{array}{cccc} 1 & 1 & 1 & 1 \\ 1 & 1 & -1 & -1 \\ 1 & -1 & 0 & 0 \\ 0 & 0 & 1 & -1 \end{array}\right] H4= 1110111011011101
它结合了快速哈尔小波变换的两个阶段。

一般来说,2N×2N 哈尔矩阵可以通过以下等式导出。
H 2 N = [ H N ⊗ [ 1 , 1 ] I N ⊗ [ 1 , − 1 ] ] H_{2 N}=\left[\begin{array}{c} H_N \otimes[1,1] \\ I_N \otimes[1,-1] \end{array}\right] H2N=[HN[1,1]IN[1,1]]
其中 I N = [ 1 0 … 0 0 1 … 0 ⋮ ⋮ ⋱ ⋮ 0 0 … 1 ] I_N=\left[\begin{array}{cccc}1 & 0 & \ldots & 0 \\ 0 & 1 & \ldots & 0 \\ \vdots & \vdots & \ddots & \vdots \\ 0 & 0 & \ldots & 1\end{array}\right] IN= 100010001 ⊗ \otimes 是克罗内克积。

Python示例

哈尔小波的特点是简单和二元阶跃函数。其结构有利于图像和信号处理、数值分析,甚至数据压缩领域。其主要优势在于能够提供有关特定函数或数据集的局部频率信息。我们将使用 TensorFlow演示一维离散哈尔小波变换。

pip install numpy
pip install tensorflow
def haar1d_layer(x):outputs = []len = x.shape[1]while len > 1:v_reshape = tf.reshape(x, [-1, len//2, 2])v_diff = v_reshape[:,:,1:2] - v_reshape[:,:,0:1]v_diff = tf.reshape(v_diff, [-1, len//2])outputs.append(v_diff)x = tf.reduce_mean(v_reshape, axis=2)len = len // 2outputs.append(x)return tf.concat(outputs, 1)def haar1d_inv_layer(x):idx = 1len = x.shape[1]while idx < len:v_avg = x[:, -idx:]v_avg = tf.reshape(v_avg, [-1, idx, 1])v_delta = x[:, (len - (idx << 1)):(len - idx)] / 2v_delta = tf.stack([-v_delta, v_delta], axis=2) v_out = v_avg + v_deltav_out = tf.reshape(v_out, [-1, idx*2])x = tf.concat([x[:, :-(idx << 1)], v_out], axis=1)idx = idx << 1return x

haar1d_layer() 函数对输入向量中的元素对进行迭代,计算每对元素的平均值和差异,并将它们写入 output_vectorhaar1d_inv_layer() 函数执行相反的操作,从 input_vector 中获取平均值和差异对,并计算原始值,然后将它们写入 output_vector。函数 stack() 用于将 TensorArray 转换为 Tensor。

使用上述函数

v = tf.Variable([[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16],[16,15,14,13,12,11,10,9,8,7,6,5,4,3,2,1]
],dtype=tf.float32)x = layers.Input(shape=(v.shape[1],))
y = haar1d_layer(x)
encoder = Model(x, y)
encoded = encoder.predict(v)
print(encoded)y = haar1d_inv_layer(x)
decoder = Model(x, y)
decoded = decoder.predict(encoded)
print(decoded)

运行时,您将看到转换后的向量以及转换后向量的反转结果,该结果应与原始输入向量相同。

👉更新:亚图跨际

这篇关于Python和JAX及MATLAB小波分析导图的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1126822

相关文章

Go标准库常见错误分析和解决办法

《Go标准库常见错误分析和解决办法》Go语言的标准库为开发者提供了丰富且高效的工具,涵盖了从网络编程到文件操作等各个方面,然而,标准库虽好,使用不当却可能适得其反,正所谓工欲善其事,必先利其器,本文将... 目录1. 使用了错误的time.Duration2. time.After导致的内存泄漏3. jsO

Python FastAPI+Celery+RabbitMQ实现分布式图片水印处理系统

《PythonFastAPI+Celery+RabbitMQ实现分布式图片水印处理系统》这篇文章主要为大家详细介绍了PythonFastAPI如何结合Celery以及RabbitMQ实现简单的分布式... 实现思路FastAPI 服务器Celery 任务队列RabbitMQ 作为消息代理定时任务处理完整

Python Websockets库的使用指南

《PythonWebsockets库的使用指南》pythonwebsockets库是一个用于创建WebSocket服务器和客户端的Python库,它提供了一种简单的方式来实现实时通信,支持异步和同步... 目录一、WebSocket 简介二、python 的 websockets 库安装三、完整代码示例1.

揭秘Python Socket网络编程的7种硬核用法

《揭秘PythonSocket网络编程的7种硬核用法》Socket不仅能做聊天室,还能干一大堆硬核操作,这篇文章就带大家看看Python网络编程的7种超实用玩法,感兴趣的小伙伴可以跟随小编一起... 目录1.端口扫描器:探测开放端口2.简易 HTTP 服务器:10 秒搭个网页3.局域网游戏:多人联机对战4.

使用Python实现快速搭建本地HTTP服务器

《使用Python实现快速搭建本地HTTP服务器》:本文主要介绍如何使用Python快速搭建本地HTTP服务器,轻松实现一键HTTP文件共享,同时结合二维码技术,让访问更简单,感兴趣的小伙伴可以了... 目录1. 概述2. 快速搭建 HTTP 文件共享服务2.1 核心思路2.2 代码实现2.3 代码解读3.

Python使用自带的base64库进行base64编码和解码

《Python使用自带的base64库进行base64编码和解码》在Python中,处理数据的编码和解码是数据传输和存储中非常普遍的需求,其中,Base64是一种常用的编码方案,本文我将详细介绍如何使... 目录引言使用python的base64库进行编码和解码编码函数解码函数Base64编码的应用场景注意

Python基于wxPython和FFmpeg开发一个视频标签工具

《Python基于wxPython和FFmpeg开发一个视频标签工具》在当今数字媒体时代,视频内容的管理和标记变得越来越重要,无论是研究人员需要对实验视频进行时间点标记,还是个人用户希望对家庭视频进行... 目录引言1. 应用概述2. 技术栈分析2.1 核心库和模块2.2 wxpython作为GUI选择的优

Python如何使用__slots__实现节省内存和性能优化

《Python如何使用__slots__实现节省内存和性能优化》你有想过,一个小小的__slots__能让你的Python类内存消耗直接减半吗,没错,今天咱们要聊的就是这个让人眼前一亮的技巧,感兴趣的... 目录背景:内存吃得满满的类__slots__:你的内存管理小助手举个大概的例子:看看效果如何?1.

Python+PyQt5实现多屏幕协同播放功能

《Python+PyQt5实现多屏幕协同播放功能》在现代会议展示、数字广告、展览展示等场景中,多屏幕协同播放已成为刚需,下面我们就来看看如何利用Python和PyQt5开发一套功能强大的跨屏播控系统吧... 目录一、项目概述:突破传统播放限制二、核心技术解析2.1 多屏管理机制2.2 播放引擎设计2.3 专

Python中随机休眠技术原理与应用详解

《Python中随机休眠技术原理与应用详解》在编程中,让程序暂停执行特定时间是常见需求,当需要引入不确定性时,随机休眠就成为关键技巧,下面我们就来看看Python中随机休眠技术的具体实现与应用吧... 目录引言一、实现原理与基础方法1.1 核心函数解析1.2 基础实现模板1.3 整数版实现二、典型应用场景2