大学物理 / 虚拟仿真实验

小波变换

Wavelet Laboratory · 不仅看见有哪些频率,还要看见它们何时出现。

时域波形

小波时频图 · Morlet CWT

拖动进度条试听当前位置;暂停时只播放一小段。

−40 dB0 dB(本图最大值)

当前基频估计:未开始

基频采用 YIN 型周期性估计,设置搜索上下限后,点击“分析基频”重画红线;实际范围受分析频率上限约束。无可靠周期的片段留空;多声部音乐不一定具有唯一基频,曲线可能出现倍频或半频误判。算法参考

按住鼠标左键试听该位置的纵轴频率,拖动可改变音高,松开或移出绘图区停止。试听为正弦纯音,并非从原音频分离出的声音,不受播放倍速影响。

点击时频图,查看时间、分析频率与相对功率。

边缘斜线为影响锥以外区域:有限长度信号采用零填充,此处结果容易受边界影响。绿色虚线是无噪声信号的理论频率,不是算法识别结果。

变速播放同时改变音高,不改变分析图;进度条按原音频时间计量。

试听当前分析片段;低频信号请勿过度提高音量。

全局傅里叶谱

对整段信号加 Hann 窗。傅里叶谱展示频率成分,但不直接显示它们出现的时间;与上方时频图对照观察。

实验原理与观察任务

小波像一个可伸缩的“局部探针”:短小波定位快速变化,长小波区分接近的频率。这里采用修正 Morlet 小波,减去微小直流项,使母小波均值为零。

ψ(u) = π^(−1/4) [exp(iω₀u) − exp(−ω₀²/2)] exp(−u²/2)
W(s,b) ≈ Δt / √s · Σ x(t) ψ*((t−b)/s) ; f ≈ ω₀ / (2πs)

s 为秒单位的尺度,b 为时间平移;星号表示复共轭。图中显示 |W|² 相对本图最大值的功率,不是声音幅度或功率谱密度。ω₀ 增大时频率分辨能力通常改善,但时间定位变差;改变参数后颜色重新归一化,不宜直接比较不同图的绝对强度。算法为浏览器内直接数值积分,核截断于 ±4s。

01 / 频率何时改变?

选择“频率突变”,拖动切换时刻,对比傅里叶谱和小波图:哪张图能告诉你变化发生在何时?

02 / 分辨率的取舍

选择“双频叠加”,设为 35 和 42 Hz。增大小波宽度,观察两条频率带,再切到短脉冲观察时间展宽。

03 / 噪声与边界

增加噪声,比较 dB 与线性颜色;留意低频的影响锥范围更宽,边缘的弱信号不应过度解读。

参考:PyWavelets 连续小波变换文档 · Torrence & Compo:A Practical Guide to Wavelet Analysis