Це дуже пізно, але, можливо, це все-таки варто ...
Площина шкали часу не є такою ж, як площина частоти часу, хоча це може бути корисним. Сигнали в різних місцях часової шкали пов'язані між собоюx ( t ) → x ( Δ s ( t - Δ t ) ), де Δ s переміщує вас вгору (або вниз) в масштабі і Δtзміщує вас у часі. Це ж перетворення в площині часової частотиx(t)→x(t−Δt)eiΔωt, де Δω- це зміщення частоти. Якщо ваш сигналx(t) є синусоїда, дві трансформації однакові.
DWT, або дискретна вейвлет-трансформація, обчислює лише дискретні шкали, так само як FFT обчислює лише дискретні частоти. І коментар, який @Spacey зробив вище, що DWT не є інваріантним для перекладу, є правильним. Це відбувається тому, що на кожному етапі ДВТ сигнал зменшується на два. Це робить DWT швидше, ніж FFT,O(N), але також руйнує інваріантність перекладу.
Тож використання DWT для вивчення площини часового масштабу не дасть вам дуже далеко. Особливо це стосується того, що ваги, "відвідувані" DWT, розділені між собою двома коефіцієнтами і набагато менш щільні, ніж покриття, яке ви можете отримати в площині частоти часу за допомогою FFT. Потрібно використовувати вейвлет-трансформацію, що є інваріантною для перекладу, яку іноді називають неоднозначним перетворенням вейвлет серед багатьох інших імен. Навіть тоді у вас все ще є рідкість обчислених зразків шкали, з якими можна боротися.
Крім того, часто бажано думати про розташування в площині часового масштабу як щільність енергії. Цей підхід полегшується за допомогою аналітичного вейвлета, такого як складний вейвлет Morlet, згаданий раніше. Одним із методів, який врівноважує переклад-інваріантність та аналітичність щодо часу обчислення, є комплексне вейвлет-перетворення двох дерев . Зробити те ж саме в площині часової частоти, можливо, простіше: зробіть приблизну трансформацію Гільберта на своєму сигналі спочатку, зробивши FFT, нулюючи всі негативні частоти, а потім IFFT.
Якщо інтуїція, що кореляція шукає подібність у часі, а узгодженість шукає подібність за частотою, є правильною, то, можливо, вам буде краще дотримуватися площини часу. Це, звичайно, простіше обчислити, і легко вдосконалити вибірку вздовж осі частоти. Жоден із згаданих підходів не розглядає вибірку масштабу осі більш щільно. Для цього вам доведеться перейти до безперервної вейвлетської трансформації , хоча там може бути щось інше, про що я не знаю. Якщо у вас є Matlab, перейдіть за посиланням вище та перекажіть його.