2022版实用Python小波变换技术学习实践视频教程(一)：基础部分

本课程是《2022版实用Python小波变换技术学习实践视频教程》课程系列的基础部分，我们将学习有关小波变换、小波族及其成员、小波和缩放函数及其可视化的主要基本概念，以及设置 Python 小波变换环境。完成本课程后，您将获得基础知识和技能，以进一步学习本系列未来课程的高级主题。

MP4 | 视频：h264, 1280×720 | 音频：AAC，44.1 KHz，2 Ch
类型：eLearning | 语言：英语 + 英语字幕srt | 时长：17 节课（2h 5m）| 大小：1.25 GB

你会学到什么

• 时间序列和信号之间的区别
• 波的基本概念
• 傅里叶变换的基本概念
• 小波变换的基本概念
• 小波变换的分类与应用
• 设置 Python 小波变换环境
• PyWavelets 中的内置小波族和小波
• 逼近离散小波和标度函数及其可视化

要求

• 需要基本的 Python 编程经验
• Jupyter notebook、Python数据分析和可视化的基础知识是优势，但不是必需的

描述

小波变换 (WT) 或小波分析可能是克服傅里叶变换缺点的最新解决方案，傅里叶变换在周期（或频率）中变换信号而不损失时间分辨率。在信号处理方面，WT 提供了一种将感兴趣的输入信号分解为一组基本波形（即“小波”）的方法，然后通过检查这些小波的系数（或权重）来分析信号。

小波变换可用于平稳和非平稳信号，包括但不限于以下

• 从信号中去除噪声
• 趋势分析和预测g
• 检测突然的不连续、变化或异常行为等，以及
• 压缩大量数据
• 名为JPEG2000的新图像压缩标准完全基于小波
• 数据加密，即保护数据
• 与机器学习相结合，提高建模精度

因此，如果您能学习这个伟大的工具，对您未来的发展将是非常好的。《2022版实用Python小波变换技术学习实践视频教程》是一个课程系列，您可以在其中使用真实的项目来学习小波变换。本课程系列的主题包括以下主题

• 小波变换基础 (WT)
• 离散小波变换 (DWT)
• 平稳小波变换 (SWT)
• 多分辨率分析 (MRA)
• 小波包变换 (WPT)
• 最大重叠离散小波变换 (MODWT)
• 基于MODWT（MODWTMRA）的多分辨率分析

本课程适用于谁

• 数据分析员、工程师和科学家
• 信号处理工程师和专业人员
• 寻求高级算法的机器学习工程师、科学家和专业人士
• 学习信号处理、数据分析和机器学习的学院和学生
• 任何喜欢信号处理、数据分析和机器学习高级算法的人

课程系列其余部分

22022版实用Python小波变换技术学习实践视频教程(二)：基础部分Fundamentals

2022版实用Python小波变换技术学习实践视频教程(二)：一维离散小波变换1D DWT