在新版本可以选择指定他们感兴趣的频率或时间范围。考虑时间或频率更自然的应用程序比尺度而言,这是没有单位的。鼓励你看CWTFILTERBANK为例。作为一个例子的困难在指定的范围内,您使用的是线性间隔尺度变换的例子。类的,我们应该更喜欢对数间隔尺度。
另一个优势是,新类使用L1正常化而不是L2正常化用于遗留CWT L1正常化是更好的时间频率分析,因为它更忠实地代表组件的大小,而L2正常化是一个带通滤波器,sqrt (s)任期一个乘数,s是规模。规模变大,或等价的
频率就会降低小波变换是信号的频率含量乘以sqrt (s)的因素。我们发现是不可取的,因为它歪曲了振幅。
例如,考虑这样的:
% %的新类
Fs = 1 e3;
t = 0:1 / Fs: 2;
x = cos(2 *π* 32 * t) * (t > = 0.1 & t < = 0.7) + cos(2 *π* 64 * t)。* (t > = 0.8);
wgnNoise = 0.05 * randn(大小(t));
x = x + wgnNoise;
类(x, 1000,“爱”,“声音”,12)
标题(“新类”);
% %旧类
%
a0 = 2 ^ (1/12);
尺度= 2 * a0。^ (0:8 * 12);
图;
[cfs_old, f_old] = cwt (x,尺度,“morl”,“阴谋”,0.001);
colorbar;
32和64赫兹正弦信号的振幅是1。都有振幅1。
如果你看看新类,你会看到很明显,它是对的。两个正弦波振幅1所示。比较,对遗产类,情节更难以解释。不仅如此,我们没有相关的大小的方法,或大小的平方实际信号的小波系数值。同时,注意新CWT显示明显的锥形边缘效应的影响变得显著。旧的CWT不给你这个信息。
即使我们把旧的类作为频率的函数:
冲浪(t、f_old、abs (cfs_old),“edgecolor”,“没有”);视图(0,90);colorbar;轴紧;
新的CWT看起来更好的代表常数time-localized组件的大小。
强烈建议您使用新接口的类函数。
