时间序列分析是地学研究中能够经常遇到的问题。在时间序列的研究中，时域和频域是常用的两种基本形式。
- 时域具有时间定位功能，但无法得到关于时间序列变化的更多信息。
- 频域（Fourier）分析虽然具有准确的频率定位功能，但仅仅适合平稳时间序列分析。
但是地学的许多特征（如径流、降雨、地震波等）随时间的辩护往往受到多种因素的综合影响，大都属于非平稳时间序列。他们不但具有趋势性、周期性等特征，还存在着随机性、突变性以及“多时间尺度”结构，具有多层次演变的规律。
小波分析步骤：
- 小波函数的选取
- 数据格式转换
- 边界效应的消除或者减小
- 计算小波系数
- 计算复小波的实部、模、模方、方差
- 绘制小波系数实部、模、模方等值线图
- 绘制小波方差图
- 绘制主周期趋势图
实例应用：
- import excel -> file->import data-> save as .mat
- wavemenu
- signal extesion -> direction to extend-> both || extension mode -> symmetic(half-point) 均衡-> save transformed signal -> e_data.mat
- (core) One-dimensional Complex continuous wavelet analysis(CWT)-> Load a signal-> choose the wavelet -> choose the sampling period-> choose the scale settings-> Analyze->save cofficients-> coff.mat
- load the coff.mat to workplace
% 求实部值
shibu = real(coefs)
% 求模、模方
mo = abs(coefs)
mofang = (mo).^2
% 求方差
fangcha = sum(abs(coefs).^2,2)
----------绘制实部等值线图----------------
contourf(shibu, 10, '-') % 实部等值线图
colorbar;
time = starttime: step: endtime
xlabel('Year');
ylabel('Time scales');
set(gca, 'xticklabel', time); % 确定横坐标的范围
print(gcf, '-r300', '-dpng', 'name.png');
小波分析matlab 操作总结：
- 导入数据
- 保存 * .mat file
- 保存 *.png file
- matlab 输出图片
- print(gcf, '-r300', '-dpng', 'name.png'); 这种方法最好用。图片质量高。
- save as 相当于截图 图片质量不高
