### 连续小波变换(CWT)应用于CWRU数据集的Python代码示例 对于CWRU数据集应用连续小波变换(CWT)，可以利用`PyWavelets`库中的函数实现。下面展示一段用于加载CWRU振动信号并对其进行CWT处理的Python代码。 ```python import pywt import numpy as np from matplotlib import pyplot as plt def load_signal(file_path): """ 加载来自文件路径指定位置的数据作为时间序列信号. 参数: file_path (str): 文件的位置 返回: signal (numpy.ndarray): 时间序列形式的振动信号 """ # 假设file_path指向的是二进制格式存储的时间序列数据 with open(file_path, 'rb') as f: buffer = f.read() signal = np.frombuffer(buffer, dtype=np.float32) return signal[:8192] # 取前8192个样本点为例 def perform_cwt(signal, wavelet='morl'): """ 对输入的一维数组执行连续小波变换. 参数: signal (numpy.ndarray): 输入信号 wavelet (str or Wavelet object): 小波基名称，默认为'morl'(Morlet) 返回: cwtmatr (ndarray): CWT系数矩阵 freqs (ndarray): 频率向量 """ widths = np.arange(1, 128) cwtmatr, freqs = pywt.cwt(signal, widths, wavelet) return cwtmatr, freqs if __name__ == "__main__": # 替换为你自己的CWRU数据集路径 filepath = './data/case_western_reserve_university/normal_0hp.mat' sig = load_signal(filepath) coeffs, frequencies = perform_cwt(sig) plt.figure(figsize=(10, 6)) plt.imshow(abs(coeffs), extent=[0, len(sig), min(frequencies), max(frequencies)], cmap='PRGn', aspect='auto', vmax=abs(coeffs).max(), vmin=-abs(coeffs).min()) plt.colorbar(label="Magnitude of Coefficients") plt.title('Continuous Wavelet Transform') plt.ylabel('Frequency [Hz]') plt.xlabel('Time Index') plt.show() ``` 上述脚本首先定义了一个简单的函数来模拟从特定路径读取原始二进制格式保存的时间序列数据[^1]。接着实现了另一个名为`perform_cwt()`的方法来进行实际的小波转换操作，并最终通过Matplotlib绘制出所得的结果图像，即所谓的时频谱图[^2]。