利用python的强大函数库，实现波形的小波降噪、带通滤波、时阈分析、FFT波形转换

import math
import matplotlib.pyplot as plt
import pywt
import pandas as pd
import numpy as np
import scipy as signaldef WaveletDeNoising(path):xy = pd.read_csv(path, sep=', ')  # 读取CSV文件s = []for each in list(xy):s.append(float(each))# 将需要的数据保存在列表s中w = pywt.wavedec(s, 'sym7', level=6)  # 小波分解，pywt.wavedec(数据, 小波基, 分解尺度)# 分解得到的w是一个列表，w[0]是最大尺度的近似系数，w[1]是最大尺度的细节系数，w[2]是次大尺度的细节系数，以此类推n = len(s)thr = round(np.sqrt(2 * np.log(n)), 4)  # 阈值获取，方式为sqtwologfor i in range(1, len(w)):w[i] = pywt.threshold(w[i], thr, mode='soft')# 阈值处理函数rec_s = pywt.waverec(w, 'sym7')  # 小波重构plt.subplot(211)plt.plot(s, linewidth=0.5)plt.subplot(212)plt.plot(rec_s, linewidth=0.5)plt.show()print(f'Hi, process success!')def WaveFiltering(path):xy = pd.read_csv(path, sep=', ')  # 读取CSV文件s = []for each in list(xy):s.append(float(each))b, a = signal.butter(8, [0.01, 0.4], 'bandpass')  # 配置滤波器 8 表示滤波器的阶数rec_s = signal.filtfilt(b, a, s)  # data为要过滤的信号plt.subplot(211)plt.plot(s, linewidth=0.5)plt.subplot(212)plt.plot(rec_s, linewidth=0.5)plt.show()print(f'Hi, process success!')def TimeThresholdAnalysis(path):xy = pd.read_csv(path, sep=', ')  # 读取CSV文件s = []for each in list(xy):s.append(float(each))df_mean = np.mean(s)   # 均值df_var = np.var(s)    # 方差df_std = np.std(s)    # 标准差df_max = np.max(s)    # 最大值df_rms = np.sqrt(pow(df_mean, 2) + pow(df_std, 2))    # 均方根df_skew = pd.Series(s).skew()    # 偏度df_kurt = pd.Series(s).kurt()    # 峭度df_boxing = df_rms / np.abs(s).mean()    # 波形因子df_fengzhi = np.max(s) / df_rms    # 峰值因子df_maichong = np.max(s) / np.abs(s).mean()    # 脉冲因子sum_size = 0for i in range(2000):sum_size += math.sqrt(abs(s[i]))df_yudu = (np.max(s)) / pow((sum_size / 2000), 2)    # 裕度因子print(f'峰值因子：%f' % df_fengzhi)print(f'波形因子：%f' % df_boxing)print(f'脉冲因子：%f' % df_maichong)print(f'峭度：%f' % df_kurt)print(f'裕度因子：%f' % df_yudu)print(f'最大值：%f' % df_max)print(f'均值：%f' % df_mean)print(f'均方根：%f' % df_rms)print(f'偏度：%f' % df_skew)print(f'标准差：%f' % df_std)print(f'Hi, process success!')def FFTConversion(path):xy = pd.read_csv(path, sep=', ')  # 读取CSV文件s = []for each in list(xy):s.append(float(each))data_freq = np.fft.fft(s)m_data = np.abs(data_freq)    # magnitude# p_data = np.angle(data_freq)  # phaseplt.subplot(2, 1, 1)plt.plot(m_data, linewidth=0.5)# plt.subplot(2, 2, 2)# plt.plot(p_data, linewidth=0.5)plt.show()if __name__ == '__main__':WaveletDeNoising('F:/xxxx.txt')           # 小波降噪WaveFiltering('F:/xxxx.txt')              # 带通滤波TimeThresholdAnalysis('F:/xxxx.txt')      # 时阈分析FFTConversion('F:/xxxx.txt')              # FFT波形转换

利用python的强大函数库，实现波形的小波降噪、带通滤波、时阈分析、FFT波形转换相关推荐

python带通滤波_python中的fft带通滤波器
值得注意的是,bp单位的大小不一定是以Hz为单位,而是取决于信号的采样频率,你应该使用 scipy.fftpack.fftfreq进行转换.此外,如果您的信号是真实的,您应该使用 scipy.fftp ...
利用python中的csv库读写csv文件
利用python中的csv库读写csv文件 python读写csv文件就我知道的方法有:1)利用csv库,2)利用读写txt文件的方式处理,3)利用numpy或pandas库处理在这篇博客中,博主就 ...
python调用C函数库
python调用C函数库 (2012-10-31 13:47:50) 转载▼ 标签: 动态链接库 c语言 so ctypes python 分类:Python 背景:工作中,有很多公共类库是使用C语言 ...
Python的强大HTTP库：Requests
一.简介 requests 是一个使用广泛的Python库,专门用于处理HTTP请求.在requests的帮助下,开发者能够方便快捷地完成诸如发送GET/POST请求.处理Cookies和文件上传等常 ...
利用python来自己写一个服务器台账统计小工具
利用python来自己写一个服务器台账统计小工具前言无奈呀,压力创造成品背景是这样的,相信在看的各位在管理服务器密码的时候,肯定会有个台账啥的,当然咱也有,但是吧,为了安全期间,不允许出现在服务 ...
matlab自带函数缺少,matlab函数库缺失我的matlab的自带的函数库貌似都没有了
matlab函数库缺失我的matlab的自带的函数库貌似都没有了 mip版关注:119 答案:4 悬赏:0 解决时间 2021-01-28 19:42 已解决 2021-01-28 03:1 ...
matlab wdencmp函数,图像的小波阈值降噪_小波降噪函数 - 全文
小波降噪的方法有多种,如利用小波分解与重构的方法滤波降噪.利用小波变换模极大值的方法去噪.利用信号小波变换后空域相关性进行信噪分离.非线性小波阈值方法去噪.平移不变量小波降噪法,以及多小波降噪等等.归 ...
【Python气象绘图临摹】处理数据（上）:读入输出nc数据、截取夏季/冬季数据、ButterWorth带通滤波、计算方差
前言 2022.9学习绘图利用python进行气象绘图,本文为学习绘制期间记录笔记,分为上.下两部分:处理数据和图像绘制.处理数据流程:读入olr资料,截取夏季/冬季数据,进行10-30dButte ...
小波降噪与重构例子 python
原理讲解傅里叶变换关于傅里叶变换的基本概念在此我们就不再赘述了, 下面我们主要将傅里叶变换的不足.即我们知道傅里叶变化可以分析信号的频谱,那么为什么还要提出小波变换?答案"对非平稳过程, ...

利用python的强大函数库，实现波形的小波降噪、带通滤波、时阈分析、FFT波形转换

利用python的强大函数库，实现波形的小波降噪、带通滤波、时阈分析、FFT波形转换相关推荐

最新文章

热门文章