基于连续小波变换（CWT）批量生成一维信号的时频图最终生成30张时频图。生成的图像可用于后续的深度学习分类或其他处理。附详细的说明文档。

Matlab基于连续小波变换（CWT），将一维信号批量生成时频图的源代码。此示例中，原始信号data是30*1280的格式，一共30条信号，信号长度为1280。最终生成30张时频图。生成的图像可用于后续的深度学习分类或其他处理。附详细的说明文档。

程序工作如下：
1、加载信号，定义好采样频率。
2、画出一个信号的时频图，这个是为了看一个信号时频图长什么样，以及方便放在论文里。
3、构建结构体，存放信号和类别，这里假设所有信号均是Normal类别。
4、批量生成时频图，存放于文件夹中。

注：需要Matlab2020及以上版本。在改为自己的信号时，只需要照样子整理好数据的格式，然后更改采样频率和存放时频图的路径即可。程序不用大幅修改。主程序main.m中代码仅30多行，注释详细，方便看懂。两个子函数helperCreateECGDirectories.m和helperCreateRGBfromTF.m分别为创建空文件夹和批量生成时频图的函数，替换信号时只需要修改其中的采样频率即可。

项目介绍：基于连续小波变换（CWT）批量生成一维信号的时频图

项目名称

CWT-Based Time-Frequency Image Generation for 1D Signals

项目概述

本项目旨在使用Matlab中的连续小波变换（Continuous Wavelet Transform, CWT）将一维信号转换为时频图。这些时频图可以用于后续的深度学习分类或其他信号处理任务。项目包含一个主程序main.m和两个辅助函数helperCreateECGDirectories.m与helperCreateRGBfromTF.m，能够高效地处理多个信号并生成相应的时频图像。

项目特点

批量处理：一次性处理多条一维信号。
可视化：生成每条信号的时频图，便于直观分析和展示。
结构化存储：通过构建结构体来组织信号数据及其类别信息。
易于扩展：只需修改少量参数即可适应不同的一维信号数据集。
详细注释：代码中包含详细的注释，方便理解和修改。

项目结构

CWT_Time_Frequency_Image_Generation/
├── main.m                          # 主程序
├── helperCreateECGDirectories.m    # 创建空文件夹的辅助函数
├── helperCreateRGBfromTF.m         # 批量生成时频图的辅助函数
└── README.md                       # 项目说明文档

数据格式

原始信号数据：data 是一个30x1280的矩阵，表示30条长度为1280的一维信号。
采样频率：用户需要根据实际情况定义采样频率 fs。
类别信息：假设所有信号均为"Normal"类别。

项目工作流程

加载信号：读取原始信号数据，并定义采样频率。
单个信号时频图绘制：绘制一个信号的时频图，以便于查看和放入论文中。
构建结构体：创建一个结构体来存放信号数据及其类别信息。
批量生成时频图：使用CWT批量生成所有信号的时频图，并保存到指定文件夹中。

代码示例

1. 主程序 `main.m`

% 主程序 main.m
% 该程序用于批量生成一维信号的时频图
% 需要Matlab 2020及以上版本% 定义采样频率
fs = 100; % 根据实际情况调整% 加载信号数据
load('signal_data.mat'); % 假设信号数据保存在 signal_data.mat 文件中
data = signal_data; % 30x1280 的矩阵% 绘制一个信号的时频图
figure;
cwt(data(1,:), fs);
title('Sample Signal Time-Frequency Plot');
saveas(gcf, 'sample_tft.png');% 构建结构体，存放信号和类别
signals = struct();
for i = 1:size(data, 1)signals(i).signal = data(i, :);signals(i).label = 'Normal'; % 假设所有信号都是 "Normal" 类别
end% 批量生成时频图
outputFolder = 'time_frequency_images';
helperCreateECGDirectories(outputFolder); % 创建输出文件夹
helperCreateRGBfromTF(signals, fs, outputFolder); % 生成时频图disp('Time-frequency images generated successfully.');

2. 辅助函数 `helperCreateECGDirectories.m`

% 辅助函数 helperCreateECGDirectories.m
% 用于创建输出文件夹function helperCreateECGDirectories(outputFolder)if ~exist(outputFolder, 'dir')mkdir(outputFolder);end
end

3. 辅助函数 `helperCreateRGBfromTF.m`

% 辅助函数 helperCreateRGBfromTF.m
% 用于批量生成时频图function helperCreateRGBfromTF(signals, fs, outputFolder)for i = 1:length(signals)% 计算CWT[cfs, frequencies] = cwt(signals(i).signal, fs);% 将CWT结果转换为RGB图像cwtImage = ind2rgb(uint8((cfs - min(cfs(:))) / (max(cfs(:)) - min(cfs(:))) * 255), jet(256));% 保存图像imwrite(cwtImage, fullfile(outputFolder, sprintf('signal_%02d.png', i)));end
end