企业官网建设流程全解析

PyWavelets - Python 小波变换库，覆盖一维信号到 n 维图像

【免费下载链接】pywtPyWavelets - Wavelet Transforms in Python项目地址: https://gitcode.com/gh_mirrors/py/pywt

PyWavelets 是一个免费的开源 Python 小波变换库，为一维、二维和 n 维信号与图像提供离散、平稳与连续小波变换的完整实现，面向做信号处理和科学计算的开发者与学生。

为什么需要小波变换库

傅里叶变换能告诉你信号整体包含哪些频率，却回答不了"某个时刻出现了哪些频率"。小波变换（能同时观察信号在时间轴和频率轴上局部特征的数学方法）补上了这一缺口。它在 Python 生态中的成熟实现之一就是这个库：项目自 2006 年起开发，已发表论文介绍，计算结果与 MATLAB Wavelet Toolbox 保持一致，做去噪、压缩、特征提取等任务时可以放心使用。

运行环境与依赖说明

• 主语言为 Python，核心变换用 C 编写并经 Cython 编译，计算性能好
• 当前开发版要求 Python 3.12 及以上，最新版本已支持 Python 3.14
• 核心依赖只有 NumPy（1.26 及以上）
• Matplotlib 为可选依赖，跑完整测试与示例时需要
• 一条 pip 命令即可安装，Linux（含 ARM64）、Windows、macOS 均有预编译轮子

从一维信号到 n 维图像的功能能力一览

变换类型📊

• 支持一维、二维、n 维离散小波变换与逆变换，数据与系数空间可来回转换
• 支持多级分解，可逐层观察信号的频率成分
• 提供一维、二维平稳小波变换（不下采样、保持信号原始长度的变换），适合需要长度对齐的分析
• 支持一维连续小波变换，可做尺度连续的时频分析
• 支持一维、二维小波包分解与重建，比普通分解把频带切分得更细

小波资源与精度🎛️

• 内置 100 多种小波滤波器，也支持自定义小波
• 单精度与双精度、实数与复数数据均可计算
• 可计算小波函数与尺度函数的近似值，便于绘制与检验

兼容性

• 结果与 MATLAB Wavelet Toolbox 兼容，跨平台核对数据省事

近期版本演进

• 新增 Python 3.14 支持，Linux AArch64 与无 GIL（free-threading）版本提供预编译轮子
• 新增连续小波变换的 precision 参数并提高默认精度，修复旧版结果出现尖刺的问题
• 优化依赖：移除可选的 SciPy 依赖，库内自行实现所需 FFT 运算
• 修复 pywt.pad 在零长度轴上挂起、n 维小波包重建索引错误等问题

适合谁、用在什么场景

👨‍🏫 学习信号处理的学生可以用示例代码直接上手分解与重建；音频、传感器、医学信号工程师用它做去噪与特征提取；需要复现 MATLAB 结果的研究者可直接迁移。仓库内的 官方文档 与 演示脚本 可作为深入阅读的入口。

一条 pip 命令就能装好这个历经二十年打磨、结果与 MATLAB 一致的小波工具箱。

【免费下载链接】pywtPyWavelets - Wavelet Transforms in Python项目地址: https://gitcode.com/gh_mirrors/py/pywt