Python之小波分析

下面的博客：小波变换和motion信号处理(一)和(二)。讲小波的原理讲解得还不错，我实际中运用了小波分解对于我已有的波形进行了一个实际的操作。由于只学过基本的信号知识，对于信号基本不太理解，所以只能从运用上面直观的讲解。

小波顾名思义就是一个很小的波，其积分大概为0，小波按照形状种类分为六种。小波分解个人觉得类似于傅里叶变换，就是将已有的波分解为很多个可以小的波形。看了一下论文，其运用大概分为几步。

一，将波形进行小波分解，然后选择各层低频和高频重构小波。

二，将小波进行阈值去噪，其方法有软阈值和硬阈值去噪之分。

三，将处理完的小波进行分析，通过其能量特性，（能量特性：就是所有离散点值相加，单个离散点值除以总值就是该点的能量，ps:这个位置没做过，个人直观理解）。

小波分解分为小波分解和小波包分解，其区别易知。在Matlab几个重要函数有：

	wavedec-----就是小波分解，将一个信号分解成指定层数n，并返回各层的小波系数。
	waverec——它的作用与wavedec相反，即将给定的小波系数一次性完全重建出信号。
	wrcoef——这个也是输入小波系数，重建信号，但是它与上面有些区别，区别在于它重建的是原信号在指定层次的，高频或者低频分量。

	也就是说，这个信号不是原本的信号，而且某个层次上的逼近。

	在python的PyWavelets库中存在上述函数，运用时import pywt即可。但是有一个函数找了很久没有找到，就是wrcoef函数，最后只能在matlab上实现该功能。在实践中只操作过第一步，对于后面的两步没有深入了解。