我在使用小波分解方面是新手。我正在尝试用python(使用pywt
)分解和重建(很少的系数)1D数据。从这个documentation我写了下面的代码,用512个系数重建数据(即大小为cA
或cD
),但我认为它们应该是一种选择(限制)系数数量的方法,我认为这样可以产生合理的数据重建。在
%matplotlib inline
import pylab as plt
import pywt
# Data
data = ll[5].x0
n = len(data)
w = 'db1'
(cA, cD) = pywt.dwt(data, w, 'sp1') # Decomposition
# Perfect Reconstruction of data
perfect_reconstruction = pywt.upcoef('a',cA[:],w,take=n) + pywt.upcoef('d',cD[:],w,take=n)
reconstructed = pywt.upcoef('a',cA[:],w,take=n) # Approximate Reconstruction of data
x = np.arange(1.008,1.008+1024*0.001,0.001)
plt.figure(figsize=(20,8))
plt.subplot2grid((2,1),(0,0))
plt.title('Perfect Reconstruction of data - %s with rms error of 1.39 x e$^{-15}$'%w, fontsize=20)
plt.plot(x,data,'-',label='Data')
plt.plot(x,perfect_reconstruction,'-r',label='Reconstructed data')
plt.legend(loc='best',fontsize='x-large')
plt.xticks(fontsize = 14)
plt.yticks(fontsize = 14)
plt.subplot2grid((2,1),(1,0))
plt.title('Approximate Reconstruction of data - %s with rms error of 1.30 x e$^{-3}$'%w, fontsize=20)
plt.plot(x,data,'-',label='Data')
plt.plot(x,reconstructed,'-r',label='Reconstructed data')
plt.legend(loc='best',fontsize='x-large')
plt.xticks(fontsize = 14)
plt.yticks(fontsize = 14)
plt.show()
拜托,如果有人能给我一些建议,帮助我用更少的系数实现正确的分解和重建,我将非常感谢它,以及关于如何编写这背后的数学的任何信息,因为我的目标是找到一个数学表达式,最好地描述之后系数较少的数据分解。在
目前没有回答
相关问题 更多 >
编程相关推荐