我需要从30s窗口中将信号的频谱信息汇总到频谱带中。 Delta（1-4hz），Theta（5-8hz），Alpha（9-12hz）等。当使用连续小波变换（cwt）时，我将获得对应于特定频率的系数，我可以对其进行总结以获得平均功率每个乐队。
离散小波变换（dwt）会返回“近似值”和“细节”。我不明白如何将这些系数映射到我的光谱带。我知道随着级别数的增加，频率分辨率也会提高，因此，如果我的采样率为512，则应按如下所示映射系数。
Detail lvl 1: 256hz - 512hz
Detail lvl 2: 128hz - 256hz
Detail lvl 3: 64hz - 128hz
Detail lvl 4: 32hz - 64hz
Detail lvl 5: 16hz - 32hz
Detail lvl 6: 8hz - 16hz
Detail lvl 7: 4hz - 8hz
Approx lvl 7: 0hz - 4hz
我可以总结这些频带中任何一个的近似系数或细节系数，但是如果我需要像6hz - 20hz这样的特定频带怎么办？如果我知道什么系数对应什么频率，我可以快速地将其映射。
我在python中使用PyWavelets，我的cwt代码在下面
scale = np.arange(1, 150)
f = pwt.scale2frequency(wavelet='more', scale=scale) * 512
coefficients, frees = pewit.cwt(sig, f, 'morl')
delta = np.mean(amp[1:5, :])
theta = np.mean(amp[5:9, :])
...
我认为Daubechies小波是最接近Morlet的离散小波。