WPD = 小波包分解
嗨,亲爱的 Stack Overflow。我对我的时间序列数据有疑问。
我的数据是机器或机床中轴承的振动。
我们知道 WPD 作为滤波器工作,如果我们应用 Level.2,则分为 4 个频带。
ex) - sampling rate = 4000Hz
1. 0 ~ 500Hz
2. 500 ~ 1000Hz
3. 1000 ~ 1500Hz
4. 1500 ~ 2000Hz
by nyquist theorem
许多研究使用小波变换结果
但我认为,如果我们将小波变换应用于信号,则结果是尺度域(时域-& gt;尺度域,因为小波变换)
这不是我们想要的确切结果。
我们应该在时域而不是尺度域分析信号
因此,在 WPD 之后,应将小波逆变换应用于分割的小波变换结果
对吗?
总结:我有 2 个问题是:
通过逆变换在时域中分析 WPD 结果的尝试是否不正确?
如果分析不正确,有什么问题吗?
但我认为,如果我们将小波变换应用于信号,则结果是尺度域(时域-& gt;尺度域,因为小波变换)
那不是真的。我们仍然可以访问时域数据和频域数据。
基本上,当我们通过小波传递时间序列数据时,我们将获得时间和频率数据的分辨率,这就是小波以及其他类似的时频方法(如 Gabor)的全部意义。
本站系公益性非盈利分享网址,本文来自用户投稿,不代表边看边学立场,如若转载,请注明出处
评论列表(59条)