python利用Morlet小波基函数进行连续变换获得信号的时频谱图

可以使用Python中的pywt模块实现Morlet小波基函数的连续变换，并绘制出相应的时频谱图。

以下是一个示例代码，用于对一个信号进行连续小波变换，使用Morlet小波基函数，并绘制出时频谱图：

import numpy as np
import matplotlib.pyplot as plt
import pywt

# 生成一个示例信号
t = np.linspace(0, 1, 1024, endpoint=False)
x = np.sin(2*np.pi*15*t) + np.sin(2*np.pi*40*t)

# 进行连续小波变换
sampling_period = t[1] - t[0]
scales = np.arange(1, 128)
cwtmatr, freqs = pywt.cwt(x, scales, 'morl', sampling_period)

# 绘制时频谱图
plt.figure(figsize=(8, 4))
plt.imshow(np.abs(cwtmatr), extent=[0, 1, freqs[-1], freqs[0]], cmap='jet', aspect='auto', vmax=abs(cwtmatr).max(), vmin=-abs(cwtmatr).max())
plt.colorbar()
plt.xlabel('Time (s)')
plt.ylabel('Frequency (Hz)')
plt.show()

该代码会生成一个时频谱图，其中横轴表示时间，纵轴表示频率，颜色表示信号在相应时间和频率下的能量大小。

需要注意的是，Morlet小波基函数的选择可能会对连续小波变换的结果产生影响，因此在实际应用中需要进行选择和调整。