python中连续小波变换图（scaleogram）中的频率轴

Question

我有一个EEG信号，我有兴趣在时域和频域分析它。我已经使用过scipy.signal.spectrogram函数，但我认为使用小波可以产生更好的特征提取结果。 我尝试在我创建的人工信号上运行连续小波变换，如下所示：

fs = 128.0
sampling_period = 1/fs
t = np.linspace(0, 2, 2*fs)
x = chirp(t,10,2,40,'quadratic')

coef, freqs = pywt.cwt(x, np.arange(1,50),'morl', 
sampling_period=sampling_period)

然后我绘制了coef矩阵：

plt.matshow(coef)
plt.show()

我的问题是如何调整比例和时间轴？

Answer 1

函数plt.matshow(coef)不使用时间和频率数组来创建轴（但它创建基于样本索引的轴）。

我建议使用plt.pcolormesh(t, freqs, coef)，因此时间和频率用于轴。然后你可以使用比例 - 比如说，将频率轴放在对数刻度 - 并产生类似的东西：

以下是生成图像的代码，源自您的示例：

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

from scipy.signal import chirp

# Define signal
fs = 128.0
sampling_period = 1 / fs
t = np.linspace(0, 2, 2 * fs)
x = chirp(t, 10, 2, 40, 'quadratic')

# Calculate continuous wavelet transform
coef, freqs = pywt.cwt(x, np.arange(1, 50), 'morl',
                       sampling_period=sampling_period)

# Show w.r.t. time and frequency
plt.figure(figsize=(5, 2))
plt.pcolor(t, freqs, coef)

# Set yscale, ylim and labels
plt.yscale('log')
plt.ylim([1, 100])
plt.ylabel('Frequency (Hz)')
plt.xlabel('Time (sec)')
plt.savefig('egg.png', dpi=150)