时变频率下Spectrogram与Scaleogram对比：CWT精度及读取问题

嘿，我来帮你梳理下你在对比FFT（谱图）和CWT（尺度图）时遇到的问题～

一、为什么CWT看起来“精度低”？ #

你觉得CWT精度不如STFT（谱图），主要是两个核心原因：

• Heisenberg不确定性原理的自适应表现：STFT用固定长度的滑动窗，时间和频率分辨率是固定的权衡；但CWT的分辨率是自适应的——高频信号对应高时间分辨率、低频率分辨率，低频信号则相反。你的信号里有固定8Hz的高频成分，CWT对这类高频的频率分辨率天生不如固定窗的STFT，这是它的特性而非缺陷，换其他小波也改变不了这个基本规律。
• 参数设置的偏差：你用了np.arange(1,512)的宽尺度范围，pywt返回的freqs是基于小波中心频率的近似估算，当尺度跨度太大时，这个估算和实际频率的对应关系会出现偏差，看起来就更不准了。

二、如何从CWT尺度图读取频率和振幅？ #

1. 频率读取：手动对应尺度与频率 #

CWT的尺度和频率并非线性直接对应，必须结合小波的中心频率来计算。以你用的gaus1为例，它的中心频率约为0.46（不同小波的中心频率可以查pywt文档或通过小波的傅里叶变换计算），频率与尺度的转换公式是：

f = (中心频率 * 采样率) / 尺度

你可以手动计算这个对应关系，代替pywt返回的freqs，这样能得到更准确的频率值：

fc = 0.46  # gaus1的中心频率
scales = np.arange(1, 200)  # 缩小尺度范围，聚焦到你关注的0-10Hz
freqs_cwt = (fc * f_s) / scales

# 只保留0-10Hz的有效尺度和频率
valid_idx = freqs_cwt <= 10
scales_valid = scales[valid_idx]
freqs_valid = freqs_cwt[valid_idx]

2. 振幅读取：归一化CWT系数 #

CWT系数的幅值和信号振幅不是直接线性对应的，因为小波变换是内积运算，系数大小会受尺度、小波能量的影响。要得到近似的信号振幅，需要对系数做归一化处理：

• 首先，尺度变换会导致小波能量变化，所以要给每个尺度的系数除以sqrt(scale)；
• 其次，不同小波的L2范数不同，还可以结合小波的能量进行进一步归一化（比如gaus1的L2范数可以通过计算小波的积分平方得到）。

示例代码：

# 计算CWT系数
cwtmatr, _ = pywt.cwt(x, scales_valid, "gaus1", sampling_period=1/f_s)

# 归一化系数，得到近似振幅
cwt_amplitude = np.abs(cwtmatr) / np.sqrt(scales_valid[:, np.newaxis])

三、CWT是不是不适合你的问题？ #

不一定，这取决于你的核心需求：

• 如果你的目标是精确估计高频固定频率，那STFT（谱图）确实更合适，因为它的固定窗能提供稳定的高频频率分辨率；
• 如果你的需求是捕捉低频慢变信号的时间细节，或者检测瞬态高频事件，CWT的自适应分辨率会更有优势——比如你信号中的f1(t)是随时间变化的低频，CWT对它的时间分辨率会比大窗的STFT好很多。

另外，你可以试试更适合频率分析的小波，比如morl（Morlet小波），它的形状更接近正弦波，和你的正弦信号成分匹配度更高，频率分辨率会比gaus1更好。

代码修改示例（优化后的CWT部分） #

# 替换原CWT代码部分
fc = 0.46  # gaus1中心频率
scales = np.arange(1, 200)
freqs_cwt = (fc * f_s) / scales
valid_idx = freqs_cwt <= 10
scales_valid = scales[valid_idx]
freqs_valid = freqs_cwt[valid_idx]

cwtmatr, _ = pywt.cwt(x, scales_valid, "gaus1", sampling_period=1/f_s)
cwt_amplitude = np.abs(cwtmatr) / np.sqrt(scales_valid[:, np.newaxis])

im2 = ax4.pcolormesh(t, freqs_valid, cwt_amplitude, vmin=0, cmap="inferno" )
ax4.set_ylim(0,10)
ax4.set_ylabel("Frequency in [Hz]")
ax4.set_xlabel("Time in [s]")
ax4.set_title("Normalized Scaleogram using GAUS1")

内容的提问来源于stack exchange，提问作者varantir