信号与EWT的自适应分解(Gilles,2013)方法
来自原始MATLAB工具箱的Python翻译。
EWTPY在n尺度上执行1D信号的经验小波变换。主要功能是ewt1d:
EWT,MFB,边界= ewt1d(f,n = 5,log = 0,dettect =“ locmax”,完成= 0,reg ='平均'',lengthfilter = 10,sigmafilter = 5)
其他功能包括:
ewt_boundaries_detect
ewt_boundaries_completion
ewt_meyer_filterbank
ewt_beta
ewt_meyer_wavelet
localmax
localmaxmin
尚未实现J.Gilles MATLAB工具箱的某些功能,例如2D输入的EWT,预处理,自适应/Scalespace Borgaries_detect。
示例文件夹包含测试信号和脚本
或者
纸张可在https://doi.org/10.1016/j.bspc.2020.102073上找到。
如果您发现此软件包有用,我们请您在工作中引用它。
ViníciusR。Carvalho,MárcioFDMoraes,AntônioP。Braga,Eduardo Mam Mendes,评估了EEG信号癫痫发作和分类,生物医学信号处理和控制,评估五种不同的适应性分解方法https://doi.org/10.1016/j.bspc.2020.102073。
如果您开发了新的funcionality或修复了代码中的任何内容,只需向我提供相应的文件,以及我应该在此读取文件中包含哪些信用。
任何疑问,评论,建议和/或更正,请与[email protected]联系
@author:ViníciusRezendecarvalho
ProgramadePósGraduaçãoemEngenhariaElétrica-ppgee UFMG
联邦米纳斯Gerais大学 - 巴西Belo Horizonte
núcleodeneurociências -nnc
#%% Example script
import numpy as np
import matplotlib . pyplot as plt
import ewtpy
T = 1000
t = np . arange ( 1 , T + 1 ) / T
f = np . cos ( 2 * np . pi * 0.8 * t ) + 2 * np . cos ( 2 * np . pi * 10 * t ) + 0.8 * np . cos ( 2 * np . pi * 100 * t )
ewt , mfb , boundaries = ewtpy . EWT1D ( f , N = 3 )
plt . plot ( f )
plt . plot ( ewt )