Ini sangat terlambat, tapi mungkin itu layak dilakukan ...
x ( t ) → x ( Δ s ( t - Δ t ) )Δ sΔ tx ( t ) → x ( t - Δ t ) ei Δ ω tΔ ωx ( t )
O ( N)
Jadi menggunakan DWT untuk memeriksa skala waktu pesawat tidak akan membuat Anda terlalu jauh. Ini terutama benar karena skala "dikunjungi" oleh DWT dipisahkan oleh faktor dua, dan jauh lebih padat daripada cakupan yang bisa Anda dapatkan di pesawat frekuensi-waktu dengan FFT. Anda perlu menggunakan transformasi wavelet yang terjemahan-invarian, kadang-kadang disebut transformasi wavelet undecimated , di antara banyak nama lain. Meski begitu, Anda masih memiliki sparsity dari sampel skala yang dihitung untuk bersaing.
Selain itu, sering diinginkan untuk memikirkan lokasi dalam bidang skala waktu sebagai memiliki kepadatan energi. Pendekatan ini difasilitasi dengan menggunakan wavelet analitik, seperti wavelet Morlet kompleks yang disebutkan sebelumnya. Salah satu metode yang menyeimbangkan terjemahan-invarian dan analitik dengan waktu komputasi adalah transformasi wavelet dual-tree yang kompleks . Melakukan hal yang sama di bidang frekuensi waktu mungkin lebih sederhana: lakukan perkiraan Hilbert transform pada sinyal Anda terlebih dahulu dengan melakukan FFT, menghilangkan semua frekuensi negatif, diikuti oleh IFFT.
Jika intuisi yang korelasi mencari kesamaan dalam waktu dan koherensi mencari kesamaan dalam frekuensi adalah benar, maka Anda mungkin lebih baik tetap berpegang pada bidang frekuensi-waktu. Ini tentu lebih mudah untuk dihitung, dan mudah untuk memperbaiki pengambilan sampel di sepanjang sumbu frekuensi. Tidak ada satu pun pendekatan yang disebutkan di atas yang mengambil sampel sumbu skala dengan lebih padat. Untuk melakukan itu, Anda cukup banyak harus pergi ke transformasi wavelet terus menerus , meskipun mungkin ada hal lain di luar sana yang saya tidak sadari. Jika Anda memiliki Matlab, ikuti tautan di atas dan miliki di sana.