为什么必须翻转 y 轴才能在 Python 中进行 cwt 分析以与 Matlab cwt 函数进行比较
Why does the y-axis have to be flipped for a cwt analysis in Python to compare to the Matlab cwt function
对于找到的音频文件 here，我正在使用 Python 中的 ssqueezepy 库来生成信号的 cwt。这是我的 Python 代码：
import librosa
import librosa.display
import numpy as np
from ssqueezepy import cwt
from ssqueezepy.visuals import plot, imshow
import numpy as np
import matplotlib.pyplot as plt
import soundfile as sf
# Set the path to the Binary Class dataset
input_file = (r'G:/audio/AWCK AR AK 47 Close 01_trim-pt5_16bit_norm-1_Mono.wav')
[data1, sample_rate1] = sf.read(input_file)
#[sample_rate1, data1] = wav.read(input_file);
duration = len(data1)/sample_rate1
time = np.arange(0, duration, 1/sample_rate1) #time vector
#%%############## Take CWT & plot ##################################################
Wx, scales = cwt(data1, 'morlet')
imshow(Wx, yticks=scales, abs=1,
title="abs(CWT) | Morlet wavelet",
ylabel="scales", xlabel="samples")
plt.show()
这是生成的尺度图：
当我使用 Matlab 时：
%% preparing dataset
input_file = ['G:\audio\AWCK AR AK 47 Close 01_trim-pt5_16bit_norm-1_Mono.wav'];
[y,Fs] = audioread(input_file);
%% Display scalogram
cwt(y, "bump", Fs)
我得到这个情节：
当您查看 y 轴时，Python 的 y 轴是倒置的，但 Python 和 Matlab 图看起来相似。
你能解释一下为什么会有差异吗？如何让Python在坐标轴透视上与Matlab匹配？
看看 this GitHub package scaleogram，它建立在 PyWavelet 上，但可以制作看起来更像 Matlab 输出的绘图。
基本上，在较高的分解级别上，您观察到的信号的比例会变大（细节较少）。在最简单的离散级别的情况下，比例在每个级别都加倍（您可以将比例视为每个级别的过滤器长度），您会得到：
level
scale
frequency
0
2
256
1
4
128
2
8
64
3
16
32
4
32
16
5
64
8
6
128
4
7
256
2
如您所见，比例和频率随级别呈指数变化，这就是您分别在 Pywavelet（比例）和 Matlab（频率）图中看到的。 Matlab 图对 y 刻度使用对数刻度（仅 10 的每一次幂），我认为这在眼睛上更容易一些。 scaleogram 包控制 y 轴上的单位 at this line。
对于找到的音频文件 here，我正在使用 Python 中的 ssqueezepy 库来生成信号的 cwt。这是我的 Python 代码：
import librosa
import librosa.display
import numpy as np
from ssqueezepy import cwt
from ssqueezepy.visuals import plot, imshow
import numpy as np
import matplotlib.pyplot as plt
import soundfile as sf
# Set the path to the Binary Class dataset
input_file = (r'G:/audio/AWCK AR AK 47 Close 01_trim-pt5_16bit_norm-1_Mono.wav')
[data1, sample_rate1] = sf.read(input_file)
#[sample_rate1, data1] = wav.read(input_file);
duration = len(data1)/sample_rate1
time = np.arange(0, duration, 1/sample_rate1) #time vector
#%%############## Take CWT & plot ##################################################
Wx, scales = cwt(data1, 'morlet')
imshow(Wx, yticks=scales, abs=1,
title="abs(CWT) | Morlet wavelet",
ylabel="scales", xlabel="samples")
plt.show()
这是生成的尺度图：
当我使用 Matlab 时：
%% preparing dataset
input_file = ['G:\audio\AWCK AR AK 47 Close 01_trim-pt5_16bit_norm-1_Mono.wav'];
[y,Fs] = audioread(input_file);
%% Display scalogram
cwt(y, "bump", Fs)
我得到这个情节：
当您查看 y 轴时，Python 的 y 轴是倒置的，但 Python 和 Matlab 图看起来相似。
你能解释一下为什么会有差异吗？如何让Python在坐标轴透视上与Matlab匹配？
看看 this GitHub package scaleogram，它建立在 PyWavelet 上，但可以制作看起来更像 Matlab 输出的绘图。
基本上，在较高的分解级别上，您观察到的信号的比例会变大（细节较少）。在最简单的离散级别的情况下，比例在每个级别都加倍（您可以将比例视为每个级别的过滤器长度），您会得到：
| level | scale | frequency |
|---|---|---|
| 0 | 2 | 256 |
| 1 | 4 | 128 |
| 2 | 8 | 64 |
| 3 | 16 | 32 |
| 4 | 32 | 16 |
| 5 | 64 | 8 |
| 6 | 128 | 4 |
| 7 | 256 | 2 |
如您所见，比例和频率随级别呈指数变化，这就是您分别在 Pywavelet（比例）和 Matlab（频率）图中看到的。 Matlab 图对 y 刻度使用对数刻度（仅 10 的每一次幂），我认为这在眼睛上更容易一些。 scaleogram 包控制 y 轴上的单位 at this line。