Ini adalah contoh yang menurut saya adalah yang terbaik untuk memahami plot Wavelet.
Lihat gambar di bawah ini, The Waveform (A) adalah Signal asli kami, Waveform (B) menunjukkan wavelet Daubechies 20 (Db20) sekitar 1/8 detik yang dimulai pada awal (t = 0) dan secara efektif berakhir dengan baik sebelum 1/4 detik. Nilai nol diperpanjang hingga 1 detik penuh. Perbandingan titik-demi-titik * dengan sinyal pulsa kami (A) akan sangat buruk dan kami akan memperoleh nilai korelasi yang sangat kecil.
pertama-tama kita menggeser wavelet dasar atau ibu yang sedikit terentang ke kanan dan melakukan perbandingan sinyal dengan gelombang baru ini untuk mendapatkan nilai korelasi lain. Kami terus bergeser dan ketika wavelet Db20 berada pada posisi yang ditunjukkan pada (C) kami mendapatkan perbandingan yang sedikit lebih baik daripada dengan (B), tetapi masih sangat buruk karena (C) dan (A) adalah frekuensi yang berbeda.
Setelah kami terus menggeser wavelet hingga akhir interval waktu 1 detik, kami memulai lagi dengan wavelet yang sedikit diregangkan di awal dan berulang kali bergeser ke kanan untuk mendapatkan set lengkap nilai korelasi ini. Bentuk gelombang (D) menunjukkan wavelet Db20 membentang ke tempat frekuensinya kira-kira sama dengan pulsa (A) dan bergeser ke kanan sampai puncak dan lembah berbaris cukup baik. Pada jumlah pergeseran dan peregangan tertentu ini, kita harus mendapatkan perbandingan yang sangat baik dan nilai korelasi yang besar. Namun, semakin bergeser ke kanan, bahkan pada peregangan yang sama ini akan menghasilkan korelasi yang semakin buruk. Peregangan lebih lanjut tidak membantu sama sekali karena bahkan ketika berbaris, denyut nadi dan wavelet yang terlalu panjang tidak akan memiliki frekuensi yang sama.
Dalam CWT kami memiliki satu nilai korelasi untuk setiap shift dari setiap wavelet yang diregangkan. † Untuk menunjukkan nilai korelasi (kualitas "kecocokan") untuk semua peregangan dan pergeseran ini, kami menggunakan tampilan 3-D.
Ini dia,
Bintik-bintik terang menunjukkan di mana puncak dan lembah dari wavelet yang diregangkan dan yang bergeser paling cocok dengan puncak dan lembah dari pulsa yang disematkan (gelap saat tidak ada perataan, redup di mana hanya beberapa puncak dan lembah berbaris, tetapi paling terang di mana semua puncak dan lembah meluruskan). Dalam contoh sederhana ini, meregangkan wavelet dengan faktor 2 dari 40 hingga 20 Hz (peregangan filter dari titik 20 asli ke 40 poin) dan menggesernya 3/8 detik dalam waktu memberikan korelasi terbaik dan setuju dengan apa yang kita ketahui apriori atau “muka” tentang denyut nadi (denyut nadi terpusat pada 3/8 detik, frekuensi nadi 20 Hz).
Kami memilih wavelet Db20 karena terlihat sedikit seperti sinyal pulsa. Jika kita tidak tahu apriori seperti apa acara itu, kita bisa mencoba beberapa wavelet (mudah diaktifkan dalam perangkat lunak) untuk melihat mana yang menghasilkan tampilan CWT dengan titik-titik paling terang (menunjukkan korelasi terbaik). Ini akan memberi tahu kita sesuatu tentang bentuk acara.
Untuk contoh tutorial sederhana di atas kita bisa saja melihat secara visual lokasi dan frekuensi denyut nadi (A). Contoh berikutnya adalah sedikit lebih representatif dari wavelet di dunia nyata di mana lokasi dan frekuensi tidak terlihat oleh mata telanjang.
Lihat contoh di bawah ini,
Wavelet dapat digunakan untuk menganalisis peristiwa lokal. Kami membangun 300 titik sinyal gelombang sinus bervariasi perlahan dan menambahkan "kesalahan" kecil atau diskontinuitas (dalam kemiringan) pada waktu = 180. Kami tidak akan melihat kesalahan kecuali kami melihat closeup (b).
Sekarang mari kita lihat bagaimana FFT akan menampilkan Glitch ini, lihat,
Frekuensi rendah dari gelombang sinus mudah untuk dilihat, tetapi kesalahan kecil tidak dapat dilihat.
Tetapi jika kita menggunakan CWT bukannya FFT itu akan dengan jelas menampilkan kesalahan itu,
Seperti yang Anda lihat, tampilan wavelet CWT dengan jelas menunjukkan garis vertikal pada waktu = 180 dan pada skala rendah. (Wavelet memiliki sedikit peregangan pada skala rendah, menunjukkan bahwa kesalahannya sangat pendek.) CWT juga sebanding dengan gelombang sinus berosilasi besar yang menyembunyikan kesalahan tersebut. Pada skala yang lebih tinggi ini wavelet telah diregangkan (ke frekuensi yang lebih rendah) dan dengan demikian “menemukan” puncak dan lembah gelombang sinus pada waktu = 75 dan 225, Untuk diskontinuitas singkat ini kami menggunakan Db4 4-titik pendek. wavelet (seperti yang ditunjukkan) untuk perbandingan terbaik.