标签：plt python 小波 len coeffs 实验 print pywt data

python小波去噪实验

import matplotlib.pyplot as plt
import pywt
import pandas as pd
import numpy as np

#读取csv文件转换为列表序列
path = "data_ce（轴承）/48k_Drive_End_B007_0_122_1.csv"
pathi = "48k_Drive_End_B007_0_122_1.csv"
data0 = pd.read_csv(path, usecols=[1]) #读取'Column2'列的数据
data_array = np.array(data0.stack())  # 首先将pandas读取的数据转化为array
data = data_array.tolist()  # 然后转化为list形式
num = len(data)
print(num)
sampling_rate = 4000  #采样频率
t = np.arange(0, 1.0, 1.0/sampling_rate)

# Create wavelet object and define parameters
w = pywt.Wavelet('db8')  # 选用Daubechies8小波
maxlev = pywt.dwt_max_level(len(data), w.dec_len)
print("maximum level is " + str(maxlev))
threshold = 0.2  # Threshold for filtering

# Decompose into wavelet components, to the level selected:
coeffs = pywt.wavedec(data, 'db8', level=maxlev)  # 将信号进行小波分解

plt.figure()
for i in range(1, len(coeffs)):
    coeffs[i] = pywt.threshold(coeffs[i], threshold*max(coeffs[i]))  # 将噪声滤波

datarec = pywt.waverec(coeffs, 'db8')  # 将信号进行小波重构

mintime = 0
maxtime = mintime + len(data) + 1

# 画图
plt.figure()
# 第一幅图
plt.subplot(2, 1, 1)
plt.plot(t, data[mintime:maxtime])
plt.xlabel('time (s)')
plt.ylabel('microvolts (uV)')
plt.title("Raw signal")
# 第二幅图
plt.subplot(2, 1, 2)
plt.plot(t, datarec[mintime:maxtime-1])
plt.xlabel('time (s)')
plt.ylabel('microvolts (uV)')
plt.title("De-noised signal using wavelet techniques")

plt.tight_layout()
plt.show()

# print(data)
# print("----------------------------------------------------------")
# print(datarec)
# print(len(datarec))

# 将处理后的数据存入CSV文件
# name = ['columns']
# test = pd.DataFrame(columns=name, data=datarec)  # 数据有三列，列名分别为one,two,three
# print(test)
# test.to_csv('shipintu/'+pathi, encoding='gbk')

结果

标签：plt,python,小波,len,coeffs,实验,print,pywt,data
来源： https://blog.csdn.net/qq_62022086/article/details/123222053

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。