振动分析-7-轴承数据库之时频域连续小波变换CWT_轴承连续小波变换

Python-凯斯西储大学（CWRU）轴承数据解读与分类处理
滚动轴承发生故障时，其振动信号往往具有非线性、非平稳性特点。相比传统的时域和频域分析方法，在处理非线性、非平稳信号时，时频分析方法更加有效。时频分析方法采用时域和频域的二维联合表示，可以实现非平稳信号局部特性的精确描述，具有时域和频域等传统方法无法比拟的优势，已经被广泛地应用于机械故障诊断领域。

常用的时频分析方法有：
（1）傅里叶变换（Fourier Transform，FT）。
（2）短时傅里叶变换（Short Time Fourier Transform，STFT）。
（3）小波变换（Wavelet Transform，WT）。
（4）连续小波变换（CWT）。

1 小波分析基本函数库

安装包pip install PyWavelets

2 小波与小波包区别

工程应用中经常需要对一些非平稳信号进行，小波分析和小波包分析适合对非平稳信号分析。相比较小波分析，利用小波包分析可以对信号分析更加精细，小波包分析可以将时频平面划分的更为细致，对信号的高频部分的分辨率要好于小波分析，可以根据信号的特征，自适应的选择最佳小波基函数，可以更好的对信号进行分析，所以小波包分析应用更加广泛。