{"id":293311,"date":"2019-08-13T15:00:42","date_gmt":"2019-08-13T15:00:42","guid":{"rendered":"http:\/\/savepearlharbor.com\/?p=293311"},"modified":"-0001-11-30T00:00:00","modified_gmt":"-0001-11-29T21:00:00","slug":"","status":"publish","type":"post","link":"https:\/\/savepearlharbor.com\/?p=293311","title":{"rendered":"\u0423\u0434\u0430\u043b\u0435\u043d\u0438\u0435 \u0432\u044b\u0441\u043e\u043a\u043e\u0447\u0430\u0441\u0442\u043e\u0442\u043d\u044b\u0445 \u0448\u0443\u043c\u043e\u0432 \u0438\u0437 \u0441\u0438\u0433\u043d\u0430\u043b\u043e\u0432 \u0432\u0438\u0431\u0440\u043e\u0434\u0430\u0442\u0447\u0438\u043a\u043e\u0432 \u043f\u0440\u0438 \u0432\u0438\u0431\u0440\u043e\u0434\u0438\u0430\u0433\u043d\u043e\u0441\u0442\u0438\u043a\u0435 \u043f\u043e\u0434\u0448\u0438\u043f\u043d\u0438\u043a\u043e\u0432"},"content":{"rendered":"\n<div class=\"post__text post__text-html js-mediator-article\"><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/59\/zj\/kb\/59zjkb8gnd_phkp1allrzocs6by.png\"><br \/>  <a href=\"https:\/\/hal.archives-ouvertes.fr\/hal-00719503\/document\">\u0424\u043e\u0442\u043e \u0432\u0437\u044f\u0442\u043e \u0438\u0437 \u043f\u0443\u0431\u043b\u0438\u043a\u0430\u0446\u0438\u0438<\/a><\/p>\n<h3>\u0412\u0432\u0435\u0434\u0435\u043d\u0438\u0435<\/h3>\n<p>  \u041e\u0434\u043d\u0430 \u0438\u0437 \u043d\u0430\u0438\u0431\u043e\u043b\u0435\u0435 \u0430\u043a\u0442\u0443\u0430\u043b\u044c\u043d\u044b\u0445 \u0437\u0430\u0434\u0430\u0447 \u0446\u0438\u0444\u0440\u043e\u0432\u043e\u0439 \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438 \u0441\u0438\u0433\u043d\u0430\u043b\u043e\u0432 \u2013 \u0437\u0430\u0434\u0430\u0447\u0430 \u043e\u0447\u0438\u0441\u0442\u043a\u0438 \u0441\u0438\u0433\u043d\u0430\u043b\u0430 \u043e\u0442 \u0448\u0443\u043c\u0430. \u041b\u044e\u0431\u043e\u0439 \u043f\u0440\u0430\u043a\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0439 \u0441\u0438\u0433\u043d\u0430\u043b \u0441\u043e\u0434\u0435\u0440\u0436\u0438\u0442 \u043d\u0435 \u0442\u043e\u043b\u044c\u043a\u043e \u043f\u043e\u043b\u0435\u0437\u043d\u0443\u044e \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u044e, \u043d\u043e \u0438 \u0441\u043b\u0435\u0434\u044b \u043d\u0435\u043a\u043e\u0442\u043e\u0440\u044b\u0445 \u043f\u043e\u0441\u0442\u043e\u0440\u043e\u043d\u043d\u0438\u0445 \u0432\u043e\u0437\u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0439 \u043f\u043e\u043c\u0435\u0445\u0438 \u0438\u043b\u0438 \u0448\u0443\u043c\u0430. \u041a\u0440\u043e\u043c\u0435 \u044d\u0442\u043e\u0433\u043e, \u043f\u0440\u0438 \u0432\u0438\u0431\u0440\u043e\u0434\u0438\u0430\u0433\u043d\u043e\u0441\u0442\u0438\u043a\u0435 \u0432 \u0441\u0438\u0433\u043d\u0430\u043b\u0430\u0445 \u043e\u0442 \u0432\u0438\u0431\u0440\u043e\u0434\u0430\u0442\u0447\u0438\u043a\u043e\u0432 \u043a\u0440\u043e\u043c\u0435 \u043f\u043e\u043c\u0435\u0445 \u0438 \u0448\u0443\u043c\u0430 \u0441\u043e\u0434\u0435\u0440\u0436\u0438\u0442\u044c\u0441\u044f \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u044f \u043e \u0434\u0435\u0444\u0435\u043a\u0442\u0435, \u0430 \u0441\u0430\u043c \u0441\u0438\u0433\u043d\u0430\u043b \u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u043d\u0435 \u0441\u0442\u0430\u0446\u0438\u043e\u043d\u0430\u0440\u043d\u044b\u043c\u0438, \u0447\u0442\u043e \u0443\u0441\u043b\u043e\u0436\u043d\u044f\u0435\u0442 \u0437\u0430\u0434\u0430\u0447\u0443 \u0444\u0438\u043b\u044c\u0442\u0440\u0430\u0446\u0438\u0438 \u0441\u0438\u0433\u043d\u0430\u043b\u043e\u0432.<\/p>\n<p>  \u0421\u0443\u0449\u0435\u0441\u0442\u0432\u0443\u0435\u0442 \u043c\u043d\u043e\u0436\u0435\u0441\u0442\u0432\u043e \u0440\u0430\u0437\u043b\u0438\u0447\u043d\u044b\u0445 \u0441\u043f\u043e\u0441\u043e\u0431\u043e\u0432 \u0443\u0434\u0430\u043b\u0435\u043d\u0438\u044f \u0432\u044b\u0441\u043e\u043a\u043e\u0447\u0430\u0441\u0442\u043e\u0442\u043d\u043e\u0433\u043e \u0448\u0443\u043c\u0430 \u0438\u0437 \u0441\u0438\u0433\u043d\u0430\u043b\u0430. \u041d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0430 Scipy \u0441\u043e\u0434\u0435\u0440\u0436\u0438\u0442 \u0444\u0438\u043b\u044c\u0442\u0440\u044b, \u043e\u0441\u043d\u043e\u0432\u0430\u043d\u043d\u044b\u0435 \u043d\u0430 \u0440\u0430\u0437\u043b\u0438\u0447\u043d\u044b\u0445 \u043c\u0435\u0442\u043e\u0434\u0430\u0445 \u0444\u0438\u043b\u044c\u0442\u0440\u0430\u0446\u0438\u0438: \u041a\u0430\u043b\u043c\u0430\u043d\u0430; \u0441\u0433\u043b\u0430\u0436\u0438\u0432\u0430\u043d\u0438\u0435 \u0441\u0438\u0433\u043d\u0430\u043b\u0430 \u043f\u0443\u0442\u0451\u043c \u0435\u0433\u043e \u0443\u0441\u0440\u0435\u0434\u043d\u0435\u043d\u0438\u044f \u043f\u043e \u043e\u0441\u0438 \u0432\u0440\u0435\u043c\u0435\u043d\u0438, \u0438 \u0434\u0440\u0443\u0433\u0438\u0435.<\/p>\n<p>  \u041e\u0434\u043d\u0430\u043a\u043e, \u043f\u0440\u0435\u0438\u043c\u0443\u0449\u0435\u0441\u0442\u0432\u043e \u043c\u0435\u0442\u043e\u0434\u0430 \u0434\u0438\u0441\u043a\u0440\u0435\u0442\u043d\u043e\u0433\u043e \u0432\u0435\u0439\u0432\u043b\u0435\u0442 \u043f\u0440\u0435\u043e\u0431\u0440\u0430\u0437\u043e\u0432\u0430\u043d\u0438\u044f (DWT) \u0441\u043e\u0441\u0442\u043e\u0438\u0442 \u0432 \u043c\u043d\u043e\u0433\u043e\u043e\u0431\u0440\u0430\u0437\u0438\u0438 \u0444\u043e\u0440\u043c \u0432\u0435\u0439\u0432\u043b\u0435\u0442. \u041c\u043e\u0436\u043d\u043e \u0432\u044b\u0431\u0440\u0430\u0442\u044c \u0432\u0435\u0439\u0432\u043b\u0435\u0442, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0431\u0443\u0434\u0435\u0442 \u0438\u043c\u0435\u0442\u044c \u0444\u043e\u0440\u043c\u0443, \u0445\u0430\u0440\u0430\u043a\u0442\u0435\u0440\u043d\u0443\u044e \u0434\u043b\u044f \u043e\u0436\u0438\u0434\u0430\u0435\u043c\u044b\u0445 \u044f\u0432\u043b\u0435\u043d\u0438\u0439. \u041d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, \u043c\u043e\u0436\u043d\u043e \u0432\u044b\u0434\u0435\u043b\u0438\u0442\u044c \u0441\u0438\u0433\u043d\u0430\u043b \u0432 \u0437\u0430\u0434\u0430\u043d\u043d\u043e\u043c \u0447\u0430\u0441\u0442\u043e\u0442\u043d\u043e\u043c \u0434\u0438\u0430\u043f\u0430\u0437\u043e\u043d\u0435, \u0444\u043e\u0440\u043c\u0430 \u043a\u043e\u0442\u043e\u0440\u043e\u0433\u043e \u043e\u0442\u0432\u0435\u0447\u0430\u0435\u0442 \u0437\u0430 \u043f\u043e\u044f\u0432\u043b\u0435\u043d\u0438\u0435 \u0434\u0435\u0444\u0435\u043a\u0442\u0430.<\/p>\n<p>  <b>\u0426\u0435\u043b\u044c\u044e \u043d\u0430\u0441\u0442\u043e\u044f\u0449\u0435\u0439 \u043f\u0443\u0431\u043b\u0438\u043a\u0430\u0446\u0438\u0438<\/b> \u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u0430\u043d\u0430\u043b\u0438\u0437 \u043c\u0435\u0442\u043e\u0434\u043e\u0432 \u0444\u0438\u043b\u044c\u0442\u0440\u0430\u0446\u0438\u0438 \u0441\u0438\u0433\u043d\u0430\u043b\u043e\u0432 \u0432\u0438\u0431\u0440\u043e\u0434\u0430\u0442\u0447\u0438\u043a\u043e\u0432 \u0441 \u043f\u0440\u0438\u043c\u0435\u043d\u0435\u043d\u0438\u0435\u043c DWT \u043f\u0440\u0435\u043e\u0431\u0440\u0430\u0437\u043e\u0432\u0430\u043d\u0438\u044f \u0441\u0438\u0433\u043d\u0430\u043b\u0430, \u0444\u0438\u043b\u044c\u0442\u0440\u0430 \u041a\u0430\u043b\u043c\u0430\u043d\u0430 \u0438 \u043c\u0435\u0442\u043e\u0434\u0430 \u0441\u043a\u043e\u043b\u044c\u0437\u044f\u0449\u0435\u0433\u043e \u0441\u0440\u0435\u0434\u043d\u0435\u0433\u043e.<\/p>\n<h3>\u0418\u0441\u0445\u043e\u0434\u043d\u044b\u0435 \u0434\u0430\u043d\u043d\u044b\u0435 \u0434\u043b\u044f \u0430\u043d\u0430\u043b\u0438\u0437\u0430<\/h3>\n<p>  \u0412 \u043f\u0443\u0431\u043b\u0438\u043a\u0430\u0446\u0438\u0438 \u0440\u0430\u0431\u043e\u0442\u0443 \u0444\u0438\u043b\u044c\u0442\u0440\u043e\u0432 \u043e\u0441\u043d\u043e\u0432\u0430\u043d\u043d\u044b\u0445 \u043d\u0430 \u0440\u0430\u0437\u043b\u0438\u0447\u043d\u044b\u0445 \u043c\u0435\u0442\u043e\u0434\u0430\u0445 \u0444\u0438\u043b\u044c\u0442\u0440\u0430\u0446\u0438\u0438 \u0431\u0443\u0434\u0435\u043c \u0430\u043d\u0430\u043b\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044f <a href=\"https:\/\/ti.arc.nasa.gov\/tech\/dash\/groups\/pcoe\/prognostic-data-repository\/#femto\">\u043d\u0430\u0431\u043e\u0440 \u0434\u0430\u043d\u043d\u044b\u0445 \u041d\u0410\u0421\u0410<\/a>. \u0414\u0430\u043d\u043d\u044b\u0435 \u043f\u043e\u043b\u0443\u0447\u0435\u043d\u044b \u043d\u0430 \u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u0430\u043b\u044c\u043d\u043e\u0439 \u043f\u043b\u0430\u0442\u0444\u043e\u0440\u043c\u0435 PRONOSTIA:<\/p>\n<p>  <img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/yt\/bz\/9l\/ytbz9lrxw2h8roaaokvclm7qqgc.png\"><\/p>\n<p>  \u041d\u0430\u0431\u043e\u0440 \u0441\u043e\u0434\u0435\u0440\u0436\u0438\u0442 \u0434\u0430\u043d\u043d\u044b\u0435 \u043e \u0441\u0438\u0433\u043d\u0430\u043b\u0430\u0445 \u0432\u0438\u0431\u0440\u043e\u0434\u0430\u0442\u0447\u0438\u043a\u043e\u0432 \u043f\u043e \u0438\u0437\u043d\u043e\u0441\u0443 \u043f\u043e\u0434\u0448\u0438\u043f\u043d\u0438\u043a\u043e\u0432 \u0440\u0430\u0437\u043b\u0438\u0447\u043d\u044b\u0445 \u0442\u0438\u043f\u043e\u0432. \u041d\u0430\u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0435 \u043f\u0430\u043f\u043e\u043a \u0441 \u0444\u0430\u0439\u043b\u0430\u043c\u0438 \u0441\u0438\u0433\u043d\u0430\u043b\u043e\u0432 \u043f\u0440\u0438\u0432\u0435\u0434\u0435\u043d\u043e \u0432 <a href=\"https:\/\/hal.archives-ouvertes.fr\/hal-00719503\/document\">\u0442\u0430\u0431\u043b\u0438\u0446\u0435<\/a>: <\/p>\n<p>  <img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/2w\/ap\/wr\/2wapwr4x6xe5r-a2y2_nwc_oski.png\"><\/p>\n<p>  \u041c\u043e\u043d\u0438\u0442\u043e\u0440\u0438\u043d\u0433 \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u044f \u043f\u043e\u0434\u0448\u0438\u043f\u043d\u0438\u043a\u043e\u0432 \u043e\u0431\u0435\u0441\u043f\u0435\u0447\u0438\u0432\u0430\u0435\u0442\u0441\u044f \u0441\u0438\u0433\u043d\u0430\u043b\u0430\u043c\u0438 \u0434\u0430\u0442\u0447\u0438\u043a\u043e\u0432 \u0432\u0438\u0431\u0440\u0430\u0446\u0438\u0438 (\u0433\u043e\u0440\u0438\u0437\u043e\u043d\u0442\u0430\u043b\u044c\u043d\u044b\u043c \u0438 \u0432\u0435\u0440\u0442\u0438\u043a\u0430\u043b\u044c\u043d\u044b\u043c \u0430\u043a\u0441\u0435\u043b\u0435\u0440\u043e\u043c\u0435\u0442\u0440\u0430\u043c\u0438), \u0441\u0438\u043b\u044b \u0438 \u0442\u0435\u043c\u043f\u0435\u0440\u0430\u0442\u0443\u0440\u044b.<\/p>\n<p>  <img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/wl\/o1\/a0\/wlo1a0i6430fko-l5lijoa5tu4c.png\"><\/p>\n<p>  \u0421\u0438\u0433\u043d\u0430\u043b\u044b \u043f\u043e\u043b\u0443\u0447\u0435\u043d\u044b \u0434\u043b\u044f \u0442\u0440\u0451\u0445 \u0440\u0430\u0437\u043b\u0438\u0447\u043d\u044b\u0445 \u043d\u0430\u0433\u0440\u0443\u0437\u043e\u043a:<\/p>\n<ul>\n<li>\u041f\u0435\u0440\u0432\u044b\u0435 \u0440\u0430\u0431\u043e\u0447\u0438\u0435 \u0443\u0441\u043b\u043e\u0432\u0438\u044f: 1800 \u043e\u0431 \/ \u043c\u0438\u043d \u0438 4000 \u041d;<\/li>\n<li>\u0412\u0442\u043e\u0440\u044b\u0435 \u0440\u0430\u0431\u043e\u0447\u0438\u0435 \u0443\u0441\u043b\u043e\u0432\u0438\u044f: 1650 \u043e\u0431 \/ \u043c\u0438\u043d \u0438 4200 \u041d;<\/li>\n<li>\u0422\u0440\u0435\u0442\u044c\u0438 \u0440\u0430\u0431\u043e\u0447\u0438\u0435 \u0443\u0441\u043b\u043e\u0432\u0438\u044f: 1500 \u043e\u0431 \/ \u043c\u0438\u043d \u0438 5000 \u041d.<\/li>\n<\/ul>\n<p>  <a name=\"habracut\"><\/a><br \/>  \u0414\u043b\u044f \u044d\u0442\u0438\u0445 \u0443\u0441\u043b\u043e\u0432\u0438\u0439, \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044f \u043d\u0435\u043f\u0440\u0435\u0440\u044b\u0432\u043d\u043e\u0435 \u0432\u0435\u0439\u0432\u043b\u0435\u0442 \u043f\u0440\u0435\u043e\u0431\u0440\u0430\u0437\u043e\u0432\u0430\u043d\u0438\u0435 \u0441\u0438\u0433\u043d\u0430\u043b\u043e\u0432, \u043f\u043e\u0441\u0442\u0440\u043e\u0438\u043c <a href=\"https:\/\/habr.com\/ru\/post\/454240\/\">\u0441\u043a\u0430\u043b\u043e\u0433\u0440\u0430\u043c\u043c\u044b \u043c\u043e\u0449\u043d\u043e\u0441\u0442\u0438 \u0441\u043f\u0435\u043a\u0442\u0440\u0430<\/a> \u0434\u043b\u044f \u0434\u0430\u043d\u043d\u044b\u0445 \u0438\u0437 \u0442\u0435\u0441\u0442\u043e\u0432\u043e\u0433\u043e \u043d\u0430\u0431\u043e\u0440\u0430 \u2014 \u043f\u043e \u043e\u0434\u043d\u043e\u043c\u0443 \u0444\u0430\u0439\u043b\u0443 (\u0434\u043b\u044f \u043e\u0434\u043d\u043e\u0433\u043e \u0442\u0438\u043f\u0430 \u043f\u043e\u0434\u0448\u0438\u043f\u043d\u0438\u043a\u043e\u0432) \u0438\u0437 \u043f\u0430\u043f\u043e\u043a: [&#8216;Test_set\/Bearing1_3\/acc_00001.csv&#8217;,&#8217;Test_set\/Bearing2_3\/acc_00001.csv&#8217;, &#8216;Test_set\/Bearing3_3\/acc_00001.csv&#8217;] (\u0441\u043c.\u0442\u0430\u0431\u043b.1).<\/p>\n<div class=\"spoiler\"><b class=\"spoiler_title\">\u041b\u0438\u0441\u0442\u0438\u043d\u0433 \u0441\u043a\u0430\u043b\u0435\u043e\u0433\u0440\u0430\u043c\u043c<\/b><\/p>\n<div class=\"spoiler_text\">\n<pre><code class=\"python\">import scaleogram as scg import pandas as pd from  pylab import * import pywt filename_n = ['Test_set\/Bearing1_3\/acc_00001.csv', 'Test_set\/Bearing2_3\/acc_00001.csv', 'Test_set\/Bearing3_3\/acc_00001.csv'] for filename in filename_n:     df = pd.read_csv(filename, header=None)     signal = df[4].values        wavelet = 'cmor1-0.5'      ax = scg.cws(signal, scales=arange(1, 40), wavelet=wavelet, figsize=(8, 4), cmap=\"jet\", cbar=None, ylabel='\u041f\u0435\u0440\u0438\u043e\u0434 ', xlabel=\"\u0412\u0440\u0435\u043c\u044f \", yscale=\"log\",     title='\u0412\u0435\u0439\u0432\u043b\u0435\u0442-\u043f\u0440\u0435\u043e\u0431\u0440\u0430\u0437\u043e\u0432\u0430\u043d\u0438\u0435 \u0441\u0438\u0433\u043d\u0430\u043b\u0430  %s \\n(\u0441\u043f\u0435\u043a\u0442\u0440 \u043c\u043e\u0449\u043d\u043e\u0441\u0442\u0438)'%filename) show()<\/code><\/pre>\n<p>  <\/div>\n<\/div>\n<p>  <img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/zb\/k4\/v7\/zbk4v74jffmfkopfqkhecmjjelu.png\"><br \/>  <img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/hz\/nh\/nh\/hznhnhcpyg3thjqs4deu4dleq0s.png\"><br \/>  <img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/n2\/ii\/jv\/n2iijvml8h0tq-bq38rcabkz8ny.png\"><\/p>\n<p>  \u0418\u0437 \u043f\u0440\u0438\u0432\u0435\u0434\u0435\u043d\u043d\u044b\u0445 \u0441\u043a\u0430\u043b\u0435\u043e\u0433\u0440\u0430\u043c\u043c \u0441\u043b\u0435\u0434\u0443\u0435\u0442, \u0447\u0442\u043e \u043c\u043e\u043c\u0435\u043d\u0442\u044b \u0443\u0432\u0435\u043b\u0438\u0447\u0435\u043d\u0438\u044f \u043c\u043e\u0449\u043d\u043e\u0441\u0442\u0438 \u0441\u043f\u0435\u043a\u0442\u0440\u0430 \u0432\u043e\u0437\u043d\u0438\u043a\u0430\u044e\u0442 \u0440\u0430\u043d\u044c\u0448\u0435 \u043f\u043e \u0432\u0440\u0435\u043c\u0435\u043d\u0438 \u0438 \u0434\u0435\u043c\u043e\u043d\u0441\u0442\u0440\u0438\u0440\u0443\u044e\u0442 \u043f\u0435\u0440\u0438\u043e\u0434\u0438\u0447\u043d\u043e\u0441\u0442\u044c \u0434\u043b\u044f \u0440\u0430\u0431\u043e\u0447\u0438\u0445 \u0443\u0441\u043b\u043e\u0432\u0438\u0439: 1650 \u043e\u0431 \/ \u043c\u0438\u043d \u0438 4200 \u041d, \u0447\u0442\u043e \u0441\u0432\u0438\u0434\u0435\u0442\u0435\u043b\u044c\u0441\u0442\u0432\u0443\u0435\u0442 \u043e\u0431 \u0443\u0441\u043a\u043e\u0440\u0435\u043d\u043d\u043e\u0439 \u0434\u0435\u0433\u0440\u0430\u0434\u0430\u0446\u0438\u0438 \u043f\u043e\u0434\u0448\u0438\u043f\u043d\u0438\u043a\u043e\u0432 \u0432 \u044d\u0442\u043e\u0439 \u043f\u043e\u043b\u043e\u0441\u0435 \u0447\u0430\u0441\u0442\u043e\u0442 \u0434\u043b\u044f \u043f\u0440\u0438\u0432\u0435\u0434\u0435\u043d\u043d\u043e\u0433\u043e \u0443\u0441\u0438\u043b\u0438\u044f. \u042d\u0442\u043e\u0442 \u0441\u0438\u0433\u043d\u0430\u043b (&#8216;Test_set\/Bearing2_3\/acc_00001.csv&#8217;) \u043c\u044b \u0438 \u0431\u0443\u0434\u0435\u043c \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u0434\u043b\u044f \u0430\u043d\u0430\u043b\u0438\u0437\u0430 \u043c\u0435\u0442\u043e\u0434\u043e\u0432 \u0443\u0434\u0430\u043b\u0435\u043d\u0438\u044f \u0448\u0443\u043c\u0430.<\/p>\n<h3>\u0414\u0435\u043a\u043e\u043d\u0441\u0442\u0440\u0443\u043a\u0446\u0438\u044f \u0441\u0438\u0433\u043d\u0430\u043b\u0430 \u0441 \u043f\u043e\u043c\u043e\u0449\u044c\u044e DWT<\/h3>\n<p>  \u0412 <a href=\"https:\/\/habr.com\/ru\/post\/451278\/\">\u043f\u0443\u0431\u043b\u0438\u043a\u0430\u0446\u0438\u0438 <\/a> \u043c\u044b \u0432\u0438\u0434\u0435\u043b\u0438, \u043a\u0430\u043a \u043d\u0430 DWT \u0440\u0435\u0430\u043b\u0438\u0437\u043e\u0432\u0430\u043d \u0431\u0430\u043d\u043a \u0444\u0438\u043b\u044c\u0442\u0440\u043e\u0432, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043c\u043e\u0436\u0435\u0442 \u0434\u0435\u043a\u043e\u043d\u0441\u0442\u0440\u0443\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0441\u0438\u0433\u043d\u0430\u043b \u0432 \u0435\u0433\u043e \u0447\u0430\u0441\u0442\u043e\u0442\u043d\u044b\u0435 \u043f\u043e\u0434\u0434\u0438\u0430\u043f\u0430\u0437\u043e\u043d\u044b. \u041a\u043e\u044d\u0444\u0444\u0438\u0446\u0438\u0435\u043d\u0442\u044b \u0430\u043f\u043f\u0440\u043e\u043a\u0441\u0438\u043c\u0430\u0446\u0438\u0438 (cA)\u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u044f\u044e\u0442 \u043d\u0438\u0437\u043a\u043e\u0447\u0430\u0441\u0442\u043e\u0442\u043d\u0443\u044e \u0447\u0430\u0441\u0442\u044c \u0441\u0438\u0433\u043d\u0430\u043b\u0430 (\u0444\u0438\u043b\u044c\u0442\u0440\u0430 \u0443\u0441\u0440\u0435\u0434\u043d\u0435\u043d\u0438\u044f). \u041a\u043e\u044d\u0444\u0444\u0438\u0446\u0438\u0435\u043d\u0442\u044b \u0434\u0435\u0442\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438 (cD) \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u044f\u044e\u0442 \u0432\u044b\u0441\u043e\u043a\u043e\u0447\u0430\u0441\u0442\u043e\u0442\u043d\u0443\u044e \u0447\u0430\u0441\u0442\u044c \u0441\u0438\u0433\u043d\u0430\u043b\u0430. \u0414\u0430\u043b\u0435\u0435 \u043c\u044b \u0440\u0430\u0441\u0441\u043c\u043e\u0442\u0440\u0438\u043c, \u043a\u0430\u043a \u043c\u043e\u0436\u043d\u043e \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c DWT \u0434\u043b\u044f \u0434\u0435\u043a\u043e\u043d\u0441\u0442\u0440\u0443\u043a\u0446\u0438\u0438 \u0441\u0438\u0433\u043d\u0430\u043b\u0430 \u0432 \u0435\u0433\u043e \u0447\u0430\u0441\u0442\u043e\u0442\u043d\u044b\u0435 \u043f\u043e\u0434\u0434\u0438\u0430\u043f\u0430\u0437\u043e\u043d\u044b \u0438 \u0432\u043e\u0441\u0441\u0442\u0430\u043d\u043e\u0432\u043b\u0435\u043d\u0438\u044f \u0438\u0441\u0445\u043e\u0434\u043d\u043e\u0433\u043e \u0441\u0438\u0433\u043d\u0430\u043b\u0430.<\/p>\n<p>  \u0420\u0435\u0448\u0438\u0442\u044c \u0437\u0430\u0434\u0430\u0447\u0443 \u0434\u0435\u043a\u043e\u043d\u0441\u0442\u0440\u0443\u043a\u0446\u0438\u0438 \u0441\u0438\u0433\u043d\u0430\u043b\u0430 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044f \u0441\u0440\u0435\u0434\u0441\u0442\u0432\u0430 PyWavelets \u043c\u043e\u0436\u043d\u043e \u0434\u0432\u0443\u043c\u044f \u0441\u043f\u043e\u0441\u043e\u0431\u0430\u043c\u0438:<\/p>\n<p>  \u041f\u0435\u0440\u0432\u044b\u0439 \u0441\u043f\u043e\u0441\u043e\u0431 \u2014 \u043f\u0440\u0438\u043c\u0435\u043d\u0438\u0442\u044c \u043a \u0441\u0438\u0433\u043d\u0430\u043b\u0443 pywt.dwt() \u0434\u043b\u044f \u0438\u0437\u0432\u043b\u0435\u0447\u0435\u043d\u0438\u044f \u043a\u043e\u044d\u0444\u0444\u0438\u0446\u0438\u0435\u043d\u0442\u043e\u0432 \u0430\u043f\u043f\u0440\u043e\u043a\u0441\u0438\u043c\u0430\u0446\u0438\u0438 \u0438 \u0434\u0435\u0442\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438 (cA1, cD1). \u0417\u0430\u0442\u0435\u043c \u0434\u043b\u044f \u0432\u043e\u0441\u0441\u0442\u0430\u043d\u043e\u0432\u043b\u0435\u043d\u0438\u044f \u0441\u0438\u0433\u043d\u0430\u043b\u0430 \u0431\u0443\u0434\u0435\u043c \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c pywt.idwt():<\/p>\n<div class=\"spoiler\"><b class=\"spoiler_title\">\u041b\u0438\u0441\u0442\u0438\u043d\u0433<\/b><\/p>\n<div class=\"spoiler_text\">\n<pre><code class=\"python\"> import pywt from scipy import * import pandas as pd    from pylab import * filename = 'Test_set\/Bearing2_3\/acc_00001.csv' df = pd.read_csv(filename, header=None) signal = df[4].values (cA1,  cD1)  =  pywt .dwt (signal,  'db2', 'smooth') r_signal = pywt.idwt (cA1,  cD1,  'db2', 'smooth') fig, ax =subplots(figsize=(8,4)) ax.plot(signal, 'b',label='\u041e\u0440\u0438\u0433\u0438\u043d\u0430\u043b\u044c\u043d\u044b\u0439 \u0441\u0438\u0433\u043d\u0430\u043b') ax.plot(r_signal, 'r', label=' \u0412\u043e\u0441\u0441\u0442\u0430\u043d\u043e\u0432\u043b\u0435\u043d\u043d\u044b\u0439 \u0441\u0438\u0433\u043d\u0430\u043b', linestyle='--') ax.legend(loc='upper left') ax.set_ylabel('\u0410\u043c\u043f\u043b\u0438\u0442\u0443\u0434\u0430 \u0441\u0438\u0433\u043d\u0430\u043b\u0430', fontsize=12) ax.set_xlabel('\u0412\u0440\u0435\u043c\u044f', fontsize=12) ax.set_title(' \u0414\u0435\u043a\u043e\u043d\u0441\u0442\u0440\u0443\u043a\u0446\u0438\u044f \u0441\u0438\u0433\u043d\u0430\u043b\u0430 (\u0444\u0443\u043d\u043a\u0446\u0438\u044f pywt.dwt()) \\n \u0412\u043e\u0441\u0441\u0442\u0430\u043d\u043e\u0432\u043b\u0435\u043d\u0438\u0435 \u0441\u0438\u0433\u043d\u0430\u043b\u0430 (\u0444\u0443\u043d\u043a\u0446\u0438\u0438  pywt.idwt()) ') show() <\/code><\/pre>\n<p>  <\/div>\n<\/div>\n<p>  <img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/iv\/fm\/pi\/ivfmpiij21temoybrrrdqkflkxw.png\"><\/p>\n<p>  \u0412\u0442\u043e\u0440\u043e\u0439 \u0441\u043f\u043e\u0441\u043e\u0431 \u043f\u0440\u0438\u043c\u0435\u043d\u0438\u0442\u044c \u043a \u0441\u0438\u0433\u043d\u0430\u043b\u0443 \u0444\u0443\u043d\u043a\u0446\u0438\u044e pywt.wavedec(), \u0447\u0442\u043e\u0431\u044b \u0432\u043e\u0441\u0441\u0442\u0430\u043d\u043e\u0432\u0438\u0442\u044c \u0432\u0441\u0435 \u043a\u043e\u044d\u0444\u0444\u0438\u0446\u0438\u0435\u043d\u0442\u044b \u0430\u043f\u043f\u0440\u043e\u043a\u0441\u0438\u043c\u0430\u0446\u0438\u0438 \u0438 \u0434\u0435\u0442\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438 \u0434\u043e \u043d\u0435\u043a\u043e\u0442\u043e\u0440\u043e\u0433\u043e \u0443\u0440\u043e\u0432\u043d\u044f. \u042d\u0442\u0430 \u0444\u0443\u043d\u043a\u0446\u0438\u044f \u043f\u0440\u0438\u043d\u0438\u043c\u0430\u0435\u0442 \u0432 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0435 \u0432\u0445\u043e\u0434\u043d\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445 \u0438\u0441\u0445\u043e\u0434\u043d\u044b\u0439 \u0441\u0438\u0433\u043d\u0430\u043b \u0438 \u0443\u0440\u043e\u0432\u0435\u043d\u044c \u0438 \u0432\u043e\u0437\u0432\u0440\u0430\u0449\u0430\u0435\u0442 \u043e\u0434\u0438\u043d \u043d\u0430\u0431\u043e\u0440 \u043a\u043e\u044d\u0444\u0444\u0438\u0446\u0438\u0435\u043d\u0442\u043e\u0432 \u0430\u043f\u043f\u0440\u043e\u043a\u0441\u0438\u043c\u0430\u0446\u0438\u0438 (n-\u0433\u043e \u0443\u0440\u043e\u0432\u043d\u044f) \u0438 n \u043d\u0430\u0431\u043e\u0440\u043e\u0432 \u043a\u043e\u044d\u0444\u0444\u0438\u0446\u0438\u0435\u043d\u0442\u043e\u0432 \u0434\u0435\u0442\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438 (\u043e\u0442 1 \u0434\u043e n-\u0433\u043e \u0443\u0440\u043e\u0432\u043d\u044f). \u0414\u043b\u044f \u0434\u0435\u043a\u043e\u043d\u0441\u0442\u0440\u0443\u043a\u0446\u0438\u0438 \u043f\u0440\u0438\u043c\u0435\u043d\u0438\u043c pywt.waverec ():<\/p>\n<div class=\"spoiler\"><b class=\"spoiler_title\">\u041b\u0438\u0441\u0442\u0438\u043d\u0433<\/b><\/p>\n<div class=\"spoiler_text\">\n<pre><code class=\"python\">import pywt import pandas as pd    from pylab import * filename = 'Test_set\/Bearing3_3\/acc_00026.csv' df = pd.read_csv(filename, header=None) signal = df[4].values coeffs = pywt.wavedec(signal, 'db2', level=8) coeffs = pywt.wavedec(signal, 'db2', level=8) r_signal = pywt.waverec(coeffs, 'db2')  fig, ax = plt.subplots(figsize=(8,4)) ax.plot(signal, 'b',label='\u041e\u0440\u0438\u0433\u0438\u043d\u0430\u043b\u044c\u043d\u044b\u0439 \u0441\u0438\u0433\u043d\u0430\u043b') ax.plot(r_signal, 'r ',label= '\u0412\u043e\u0441\u0441\u0442\u0430\u043d\u043e\u0432\u043b\u0435\u043d\u043d\u044b\u0439 \u0441\u0438\u0433\u043d\u0430\u043b', linestyle='--') ax.legend(loc='upper left') ax.set_ylabel('\u0410\u043c\u043f\u043b\u0438\u0442\u0443\u0434\u0430 \u0441\u0438\u0433\u043d\u0430\u043b\u0430', fontsize=12) ax.set_xlabel('\u0412\u0440\u0435\u043c\u044f', fontsize=12) ax.set_title(' \u0414\u0435\u043a\u043e\u043d\u0441\u0442\u0440\u0443\u043a\u0446\u0438\u044f \u0434\u043e \u0437\u0430\u0434\u0430\u043d\u043d\u043e\u0433\u043e \u0443\u0440\u043e\u0432\u043d\u044f- level.\\n \u0412\u043e\u0441\u0441\u0442\u0430\u043d\u043e\u0432\u043b\u0435\u043d\u0438\u0435 \u0441\u0438\u0433\u043d\u0430\u043b\u0430 (\u0444\u0443\u043d\u043a\u0446\u0438\u044f pywt.wavedec()) ') show() <\/code><\/pre>\n<p>  <\/div>\n<\/div>\n<p>  <img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/qq\/ao\/bn\/qqaobnxdnlkrjllymvd3aqxti44.png\"><br \/>  \u0412\u0442\u043e\u0440\u043e\u0439 \u0441\u043f\u043e\u0441\u043e\u0431 \u0434\u0435\u043a\u043e\u043d\u0441\u0442\u0440\u0443\u043a\u0446\u0438\u0438 \u0438 \u0432\u043e\u0441\u0441\u0442\u0430\u043d\u043e\u0432\u043b\u0435\u043d\u0438\u044f \u0441\u0438\u0433\u043d\u0430\u043b\u0430 \u0443\u0434\u043e\u0431\u043d\u0435\u0435, \u043e\u043d \u043f\u043e\u0437\u0432\u043e\u043b\u044f\u0435\u0442 \u0441\u0440\u0430\u0437\u0443 \u0443\u0441\u0442\u0430\u043d\u043e\u0432\u0438\u0442\u044c \u0442\u0440\u0435\u0431\u0443\u0435\u043c\u044b\u0439 \u0443\u0440\u043e\u0432\u0435\u043d\u044c \u0434\u0435\u043a\u043e\u043d\u0441\u0442\u0440\u0443\u043a\u0446\u0438\u0438. <\/p>\n<h3>\u0423\u0434\u0430\u043b\u0435\u043d\u0438\u0435 \u0432\u044b\u0441\u043e\u043a\u043e\u0447\u0430\u0441\u0442\u043e\u0442\u043d\u044b\u0445 \u0448\u0443\u043c\u043e\u0432 \u043f\u0443\u0442\u0451\u043c \u0438\u0441\u043a\u043b\u044e\u0447\u0435\u043d\u0438\u044f \u0447\u0430\u0441\u0442\u0438 \u043a\u043e\u044d\u0444\u0444\u0438\u0446\u0438\u0435\u043d\u0442\u043e\u0432 \u0434\u0435\u0442\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438 \u0432 \u043f\u0440\u043e\u0446\u0435\u0441\u0441\u0435 \u0434\u0435\u043a\u043e\u043d\u0441\u0442\u0440\u0443\u043a\u0446\u0438\u0438 \u0441\u0438\u0433\u043d\u0430\u043b\u0430<\/h3>\n<p>  \u0412\u043e\u0441\u0441\u0442\u0430\u043d\u043e\u0432\u0438\u043c \u0441\u0438\u0433\u043d\u0430\u043b, \u0443\u0434\u0430\u043b\u0438\u0432 \u0447\u0430\u0441\u0442\u044c \u043a\u043e\u044d\u0444\u0444\u0438\u0446\u0438\u0435\u043d\u0442\u043e\u0432 \u0434\u0435\u0442\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438. \u041f\u043e\u0441\u043a\u043e\u043b\u044c\u043a\u0443 \u043a\u043e\u044d\u0444\u0444\u0438\u0446\u0438\u0435\u043d\u0442\u044b \u0434\u0435\u0442\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438 \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u044f\u044e\u0442 \u0432\u044b\u0441\u043e\u043a\u043e\u0447\u0430\u0441\u0442\u043e\u0442\u043d\u0443\u044e \u0447\u0430\u0441\u0442\u044c \u0441\u0438\u0433\u043d\u0430\u043b\u0430, \u043c\u044b \u043f\u0440\u043e\u0441\u0442\u043e \u043e\u0442\u0444\u0438\u043b\u044c\u0442\u0440\u0443\u0435\u043c \u044d\u0442\u0443 \u0447\u0430\u0441\u0442\u044c \u0447\u0430\u0441\u0442\u043e\u0442\u043d\u043e\u0433\u043e \u0441\u043f\u0435\u043a\u0442\u0440\u0430. \u041f\u0440\u0438 \u043d\u0430\u043b\u0438\u0447\u0438\u0438 \u0432\u044b\u0441\u043e\u043a\u043e\u0447\u0430\u0441\u0442\u043e\u0442\u043d\u043e\u0433\u043e \u0448\u0443\u043c\u0430 \u0432 \u0441\u0438\u0433\u043d\u0430\u043b\u0435, \u044d\u0442\u043e \u043e\u0434\u0438\u043d \u0438\u0437 \u0441\u043f\u043e\u0441\u043e\u0431\u043e\u0432 \u043e\u0442\u0444\u0438\u043b\u044c\u0442\u0440\u043e\u0432\u0430\u0442\u044c \u0435\u0433\u043e.<\/p>\n<p>  \u0412 \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0435 PyWavelets \u044d\u0442\u043e \u043c\u043e\u0436\u043d\u043e \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u043f\u0440\u0438 \u043f\u043e\u043c\u043e\u0449\u0438 \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u043f\u043e\u0440\u043e\u0433\u043e\u0432\u043e\u0439 \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438 pywt.threshol():<\/p>\n<p>  pywt.threshold(data, value, mode= &#8216;soft&#8217;, substitute=0 )\u00b6<br \/>  <b>data :<\/b> array_like<br \/>  <i>\u0427\u0438\u0441\u043b\u043e\u0432\u044b\u0435 \u0434\u0430\u043d\u043d\u044b\u0435.<\/i><br \/>  <b>value: <\/b>scalar<br \/>  <i>\u041f\u043e\u0440\u043e\u0433\u043e\u0432\u043e\u0435 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0435.<\/i><br \/>  <b>mode: <\/b>{\u2018soft\u2019, \u2018hard\u2019, \u2018garrote\u2019, \u2018greater\u2019, \u2018less\u2019}<br \/>  <i>\u041e\u043f\u0440\u0435\u0434\u0435\u043b\u044f\u0435\u0442 \u0442\u0438\u043f \u043f\u043e\u0440\u043e\u0433\u0430, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0431\u0443\u0434\u0435\u0442 \u043f\u0440\u0438\u043c\u0435\u043d\u0435\u043d \u043a \u0432\u0445\u043e\u0434\u043d\u044b\u043c \u0434\u0430\u043d\u043d\u044b\u043c. \u041f\u043e \u0443\u043c\u043e\u043b\u0447\u0430\u043d\u0438\u044e \u2018soft\u2019.<\/i><br \/>  <b>substitute :<\/b> float, optional<br \/>  <i>\u041f\u043e\u0434\u0441\u0442\u0430\u0432\u043b\u044f\u0435\u043c\u043e\u0435 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0435 (\u043f\u043e \u0443\u043c\u043e\u043b\u0447\u0430\u043d\u0438\u044e: 0).<\/i><br \/>  <b>output :<\/b> array<br \/>  <i>\u041f\u043e\u0440\u043e\u0433\u043e\u0432\u044b\u0439 \u043c\u0430\u0441\u0441\u0438\u0432.<\/i><\/p>\n<p>  \u041f\u0440\u0438\u043c\u0435\u043d\u0435\u043d\u0438\u0435 \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u043f\u043e\u0440\u043e\u0433\u043e\u0432\u043e\u0439 \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438 \u0434\u043b\u044f \u0434\u0430\u043d\u043d\u043e\u0433\u043e \u043f\u043e\u0440\u043e\u0433\u043e\u0432\u043e\u0433\u043e \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f \u043b\u0443\u0447\u0448\u0435 \u0432\u0441\u0435\u0433\u043e \u0440\u0430\u0441\u0441\u043c\u043e\u0442\u0440\u0435\u0442\u044c \u043d\u0430 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0435\u043c \u043f\u0440\u0438\u043c\u0435\u0440\u0435:<\/p>\n<pre><code class=\"python\">&gt;&gt;&gt;&gt; from scipy import* &gt;&gt;&gt; import pywt &gt;&gt;&gt; data =linspace(1, 4, 7) &gt;&gt;&gt; data array([1. , 1.5, 2. , 2.5, 3. , 3.5, 4. ]) &gt;&gt;&gt; pywt.threshold(data, 2, 'soft') array([0. , 0. , 0. , 0.5, 1. , 1.5, 2. ]) &gt;&gt;&gt; pywt.threshold(data, 2, 'hard') array([0. , 0. , 2. , 2.5, 3. , 3.5, 4. ]) &gt;&gt;&gt; pywt.threshold(data, 2, 'garrote') array([0. , 0. , 0., 0.9,1.66666667, 2.35714286, 3.]) <\/code><\/pre>\n<p>  \u0413\u0440\u0430\u0444\u0438\u043a \u043f\u043e\u0440\u043e\u0433\u043e\u0432\u044b\u0445 \u0444\u0443\u043d\u043a\u0446\u0438\u0439 \u043f\u043e\u0441\u0442\u0440\u043e\u0438\u043c \u0441 \u043f\u043e\u043c\u043e\u0449\u044c\u044e \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0435\u0433\u043e \u043b\u0438\u0441\u0442\u0438\u043d\u0433\u0430:  <\/p>\n<div class=\"spoiler\"><b class=\"spoiler_title\">\u041b\u0438\u0441\u0442\u0438\u043d\u0433<\/b><\/p>\n<div class=\"spoiler_text\">\n<pre><code class=\"python\">from scipy import* from pylab import* import pywt s = linspace(-4, 4, 1000) s_soft = pywt.threshold(s, value=0.5, mode='soft') s_hard = pywt.threshold(s, value=0.5, mode='hard') s_garrote = pywt.threshold(s, value=0.5, mode='garrote') figsize=(10, 4) plot(s, s_soft) plot(s, s_hard) plot(s, s_garrote) legend(['soft (0.5)', 'hard (0.5)', 'non-neg. garrote (0.5)']) xlabel(' \u0432\u0445\u043e\u0434\u043d\u043e\u0435 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0435 ') ylabel('\u043f\u043e\u0440\u043e\u0433\u043e\u0432\u043e\u0435 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0435 ') show()<\/code><\/pre>\n<\/div>\n<\/div>\n<p>  <img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/gd\/lp\/oo\/gdlpoowyfgb1iv0kd-wm1vpb8vg.png\"><br \/>  \u041d\u0430 \u0433\u0440\u0430\u0444\u0438\u043a\u0435 \u043f\u043e\u043a\u0430\u0437\u0430\u043d\u043e, \u0447\u0442\u043e \u043d\u0435\u043e\u0442\u0440\u0438\u0446\u0430\u0442\u0435\u043b\u044c\u043d\u044b\u0439 \u043f\u043e\u0440\u043e\u0433 \u0413\u0430\u0440\u043e\u0442\u0442\u0430 \u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u043f\u0440\u043e\u043c\u0435\u0436\u0443\u0442\u043e\u0447\u043d\u044b\u043c \u043c\u0435\u0436\u0434\u0443 \u043c\u044f\u0433\u043a\u0438\u043c \u0438 \u0442\u0432\u0435\u0440\u0434\u044b\u043c \u043f\u043e\u0440\u043e\u0433\u043e\u043c. \u0422\u0440\u0435\u0431\u0443\u0435\u0442\u0441\u044f \u043f\u0430\u0440\u0430 \u043f\u043e\u0440\u043e\u0433\u043e\u0432\u044b\u0445 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0439, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u044f\u044e\u0442 \u0448\u0438\u0440\u0438\u043d\u0443 \u043f\u0435\u0440\u0435\u0445\u043e\u0434\u043d\u043e\u0439 \u043e\u0431\u043b\u0430\u0441\u0442\u0438.<\/p>\n<h3>\u0412\u043b\u0438\u044f\u043d\u0438\u0435 \u043f\u043e\u0440\u043e\u0433\u043e\u0432\u043e\u0439 \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u043d\u0430 \u0445\u0430\u0440\u0430\u043a\u0442\u0435\u0440\u0438\u0441\u0442\u0438\u043a\u0438 \u0444\u0438\u043b\u044c\u0442\u0440\u0430<\/h3>\n<p>  \u041a\u0430\u043a \u0441\u043b\u0435\u0434\u0443\u0435\u0442 \u0438\u0437 \u043f\u0440\u0438\u0432\u0435\u0434\u0435\u043d\u043d\u043e\u0433\u043e \u0433\u0440\u0430\u0444\u0438\u043a\u0430, \u043d\u0430\u043c \u043f\u043e\u0434\u0445\u043e\u0434\u044f\u0442 \u0442\u043e\u043b\u044c\u043a\u043e \u0434\u0432\u0435 \u043f\u043e\u0440\u043e\u0433\u043e\u0432\u044b\u0435 \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u2018soft\u2019 \u0438 \u2018garrote\u2019, \u0434\u043b\u044f \u0438\u0441\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u043d\u0438\u044f \u0438\u0445 \u0432\u043b\u0438\u044f\u043d\u0438\u044f \u043d\u0430 \u0445\u0430\u0440\u0430\u043a\u0442\u0435\u0440\u0438\u0441\u0442\u0438\u043a\u0438 \u0444\u0438\u043b\u044c\u0442\u0440\u0430, \u0437\u0430\u043f\u0438\u0448\u0435\u043c \u043b\u0438\u0441\u0442\u0438\u043d\u0433:<\/p>\n<div class=\"spoiler\"><b class=\"spoiler_title\">\u041b\u0438\u0441\u0442\u0438\u043d\u0433<\/b><\/p>\n<div class=\"spoiler_text\">\n<pre><code class=\"python\">import pandas as pd from  pylab import * import pywt filename = 'Test_set\/Bearing2_3\/acc_00001.csv' df = pd.read_csv(filename, header=None) signal = df[4].values v='bior4.4' thres=['soft' ,'garrote'] for w in thres:     def lowpassfilter(signal, thresh, wavelet=v):         thresh = thresh*nanmax(signal)         coeff = pywt.wavedec(signal, wavelet, level=8,mode=\"per\" )         coeff[1:] = (pywt.threshold(i, value=thresh, mode=w ) for i in coeff[1:])         reconstructed_signal = pywt.waverec(coeff, wavelet, mode=\"per\" )         return reconstructed_signal          fig, ax = subplots(figsize=(8,4))       ax.plot(signal, color=\"b\", alpha=0.5, label='\u041e\u0440\u0438\u0433\u0438\u043d\u0430\u043b\u044c\u043d\u044b\u0439 \u0441\u0438\u0433\u043d\u0430\u043b')     rec = lowpassfilter(signal, 0.4)     ax.plot(rec, 'r', label='DWT \u043f\u0440\u0435\u043e\u0431\u0440\u0430\u0437\u043e\u0432\u0430\u043d\u0438\u0435 \u0441\u0438\u0433\u043d\u0430\u043b\u0430', linewidth=2)     ax.legend()     ax.set_title('\u0423\u0434\u0430\u043b\u0435\u043d\u0438\u0435 \u0432\u044b\u0441\u043e\u043a\u043e\u0447\u0430\u0441\u0442\u043e\u0442\u043d\u043e\u0433\u043e \u0448\u0443\u043c\u0430 \u0441 \u043f\u043e\u043c\u043e\u0449\u044c\u044e \u0432\u0435\u0439\u0432\u043b\u0435\u0442\u0430 :%s\\n \u0434\u043b\u044f \u043f\u043e\u0440\u043e\u0433\u043e\u0432\u043e\u0439 \u0444\u0443\u043d\u043a\u0446\u0438\u0438:%s'%(v,w), fontsize=12)     ax.set_ylabel('\u0410\u043c\u043f\u043b\u0438\u0442\u0443\u0434\u0430 \u0441\u0438\u0433\u043d\u0430\u043b\u0430', fontsize=12)     ax.set_xlabel('\u0412\u0440\u0435\u043c\u044f', fontsize=12)      show()<\/code><\/pre>\n<\/p><\/div>\n<\/div>\n<p>  <img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/yx\/th\/g8\/yxthg8ew_lkh-koeq6bnfvw6tla.png\"><br \/>  <img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/8q\/nn\/35\/8qnn353spuea5_mtc6jb_t1tmty.png\"><\/p>\n<p>  \u041a\u0430\u043a \u0441\u043b\u0435\u0434\u0443\u0435\u0442 \u0438\u0437 \u043f\u0440\u0438\u0432\u0435\u0434\u0435\u043d\u043d\u044b\u0445 \u0433\u0440\u0430\u0444\u0438\u043a\u043e\u0432, \u0444\u0443\u043d\u043a\u0446\u0438\u044f soft \u043e\u0431\u0435\u0441\u043f\u0435\u0447\u0438\u0432\u0430\u0435\u0442 \u043b\u0443\u0447\u0448\u0435\u0435 \u0441\u0433\u043b\u0430\u0436\u0438\u0432\u0430\u043d\u0438\u0435, \u0447\u0435\u043c \u0444\u0443\u043d\u043a\u0446\u0438\u044f \u2018garrote\u2019, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u0444\u0443\u043d\u043a\u0446\u0438\u044e soft \u0438 \u0431\u0443\u0434\u0435\u043c \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u0432 \u0434\u0430\u043b\u044c\u043d\u0435\u0439\u0448\u0435\u043c.<\/p>\n<h3>\u0412\u043b\u0438\u044f\u043d\u0438\u0435 \u043f\u043e\u0440\u043e\u0433\u0430 \u0434\u0435\u0442\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438 \u043d\u0430 \u0445\u0430\u0440\u0430\u043a\u0442\u0435\u0440\u0438\u0441\u0442\u0438\u043a\u0438 \u0444\u0438\u043b\u044c\u0442\u0440\u0430<\/h3>\n<p>  \u0414\u043b\u044f \u0440\u0430\u0441\u0441\u043c\u0430\u0442\u0440\u0438\u0432\u0430\u0435\u043c\u043e\u0433\u043e \u0442\u0438\u043f\u0430 \u0444\u0438\u043b\u044c\u0442\u0440\u043e\u0432 \u043f\u043e\u0440\u043e\u0433 \u0441\u043c\u0435\u043d\u044b \u043a\u043e\u044d\u0444\u0444\u0438\u0446\u0438\u0435\u043d\u0442\u043e\u0432 \u0434\u0435\u0442\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438 \u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u0432\u0430\u0436\u043d\u043e\u0439 \u0445\u0430\u0440\u0430\u043a\u0442\u0435\u0440\u0438\u0441\u0442\u0438\u043a\u043e\u0439, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u0438\u0441\u0441\u043b\u0435\u0434\u0443\u0435\u043c \u0435\u0451 \u0432\u043b\u0438\u044f\u043d\u0438\u0435 \u0441 \u043f\u043e\u043c\u043e\u0449\u044c\u044e \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0435\u0433\u043e \u043b\u0438\u0441\u0442\u0438\u043d\u0433\u0430:<\/p>\n<div class=\"spoiler\"><b class=\"spoiler_title\">\u041b\u0438\u0441\u0442\u0438\u043d\u0433<\/b><\/p>\n<div class=\"spoiler_text\">\n<pre><code class=\"python\">import pandas as pd from  pylab import * import pywt filename = 'Test_set\/Bearing2_3\/acc_00001.csv' df = pd.read_csv(filename, header=None) signal = df[4].values v='bior4.4' thres=[0.1,0.4,0.6] for w in thres:     def lowpassfilter(signal, thresh, wavelet=v):         thresh = thresh*nanmax(signal)         coeff = pywt.wavedec(signal, wavelet, level=8,mode=\"per\" )         coeff[1:] = (pywt.threshold(i, value=thresh, mode='soft' ) for i in coeff[1:])         reconstructed_signal = pywt.waverec(coeff, wavelet, mode=\"per\" )         return reconstructed_signal           fig, ax = subplots(figsize=(8,4))       ax.plot(signal, color=\"b\", alpha=0.5, label='\u041e\u0440\u0438\u0433\u0438\u043d\u0430\u043b\u044c\u043d\u044b\u0439 \u0441\u0438\u0433\u043d\u0430\u043b')     rec = lowpassfilter(signal,w)     ax.plot(rec, 'r', label='DWT \u043f\u0440\u0435\u043e\u0431\u0440\u0430\u0437\u043e\u0432\u0430\u043d\u0438\u0435 \u0441\u0438\u0433\u043d\u0430\u043b\u0430', linewidth=2)     ax.legend()     ax.set_title('\u0423\u0434\u0430\u043b\u0435\u043d\u0438\u0435 \u0432\u044b\u0441\u043e\u043a\u043e\u0447\u0430\u0441\u0442\u043e\u0442\u043d\u043e\u0433\u043e \u0448\u0443\u043c\u0430 \u0441 \u043f\u043e\u043c\u043e\u0449\u044c\u044e \u0432\u0435\u0439\u0432\u043b\u0435\u0442\u0430 :%s\\n \u0434\u043b\u044f \u043f\u043e\u0440\u043e\u0433\u0430 \u0434\u0435\u0442\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438 %s'%(v,w), fontsize=12)     ax.set_ylabel('\u0410\u043c\u043f\u043b\u0438\u0442\u0443\u0434\u0430 \u0441\u0438\u0433\u043d\u0430\u043b\u0430', fontsize=12)     ax.set_xlabel('\u0412\u0440\u0435\u043c\u044f', fontsize=12)      show() <\/code><\/pre>\n<p>  <\/div>\n<\/div>\n<p>  <img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/nu\/vp\/te\/nuvptehfyqvcheixzbsqac506ci.png\"><br \/>  <img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/2o\/vg\/nn\/2ovgnnncwq4b4yc0odhhj_bteae.png\"><br \/>  <img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/sk\/ep\/_r\/skep_rwbarrrdfhmnxbobzlxiyc.png\"><\/p>\n<p>  \u041a\u0430\u043a \u0441\u043b\u0435\u0434\u0443\u0435\u0442 \u0438\u0437 \u043f\u043e\u043b\u0443\u0447\u0435\u043d\u043d\u044b\u0445 \u0433\u0440\u0430\u0444\u0438\u043a\u043e\u0432, \u0443\u0440\u043e\u0432\u0435\u043d\u044c \u043f\u043e\u0440\u043e\u0433\u0430 \u0434\u0435\u0442\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438 \u0432\u043b\u0438\u044f\u0435\u0442 \u043d\u0430 \u043c\u0430\u0441\u0448\u0442\u0430\u0431 \u043e\u0442\u0441\u0435\u0438\u0432\u0430\u0435\u043c\u044b\u0445 \u0434\u0435\u0442\u0430\u043b\u0435\u0439. \u041f\u0440\u0438 \u0443\u0432\u0435\u043b\u0438\u0447\u0435\u043d\u0438\u0438 \u043f\u043e\u0440\u043e\u0433\u0430 \u0432\u0435\u0439\u0432\u043b\u0435\u0442 \u0432\u044b\u0447\u0438\u0442\u0430\u0435\u0442 \u0448\u0443\u043c \u0432\u0441\u0435 \u0431\u043e\u043b\u044c\u0448\u0435\u0433\u043e \u0443\u0440\u043e\u0432\u043d\u044f, \u043f\u043e\u043a\u0430 \u043d\u0435 \u043d\u0430\u0441\u0442\u0443\u043f\u0438\u0442 \u0438\u0437\u043b\u0438\u0448\u043d\u0435\u0435 \u0443\u043a\u0440\u0443\u043f\u043d\u0435\u043d\u0438\u0435 \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0430 \u0434\u0435\u0442\u0430\u043b\u0435\u0439 \u0438 \u043f\u0440\u0435\u043e\u0431\u0440\u0430\u0437\u043e\u0432\u0430\u043d\u0438\u0435 \u043d\u0430\u0447\u043d\u0435\u0442 \u0438\u0441\u043a\u0430\u0436\u0430\u0442\u044c \u0444\u043e\u0440\u043c\u0443 \u0438\u0441\u0445\u043e\u0434\u043d\u043e\u0433\u043e \u0441\u0438\u0433\u043d\u0430\u043b\u0430.\u0414\u043b\u044f \u043d\u0430\u0448\u0435\u0433\u043e \u0441\u0438\u0433\u043d\u0430\u043b\u0430 \u043f\u043e\u0440\u043e\u0433 \u0434\u043e\u043b\u0436\u0435\u043d \u0431\u044b\u0442\u044c \u043d\u0435 \u0432\u044b\u0448\u0435 0.63.<\/p>\n<h3>\u0412\u043b\u0438\u044f\u043d\u0438\u0435 \u0432\u0435\u0439\u0432\u043b\u0435\u0442\u0430 \u043d\u0430 \u0445\u0430\u0440\u0430\u043a\u0442\u0435\u0440\u0438\u0441\u0442\u0438\u043a\u0438 \u0444\u0438\u043b\u044c\u0442\u0440\u0430<\/h3>\n<p>  \u0412 \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0435 PyWavelets \u0438\u043c\u0435\u0435\u0442\u0441\u044f \u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e\u0435 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u0432\u0435\u0439\u0432\u043b\u0435\u0442 \u0434\u043b\u044f DWT \u043f\u0440\u0435\u043e\u0431\u0440\u0430\u0437\u043e\u0432\u0430\u043d\u0438\u044f, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043c\u043e\u0436\u043d\u043e \u043f\u043e\u043b\u0443\u0447\u0438\u0442\u044c \u0442\u0430\u043a:  <\/p>\n<pre><code class=\"python\">&gt;&gt;&gt; import pywt &gt;&gt;&gt; print(pywt.wavelist(kind= 'discrete')) ['bior1.1', 'bior1.3', 'bior1.5', 'bior2.2', 'bior2.4', 'bior2.6', 'bior2.8', 'bior3.1', 'bior3.3', 'bior3.5', 'bior3.7', 'bior3.9', 'bior4.4', 'bior5.5', 'bior6.8', 'coif1', 'coif2', 'coif3', 'coif4', 'coif5', 'coif6', 'coif7', 'coif8', 'coif9', 'coif10', 'coif11', 'coif12', 'coif13', 'coif14', 'coif15', 'coif16', 'coif17', 'db1', 'db2', 'db3', 'db4', 'db5', 'db6', 'db7', 'db8', 'db9', 'db10', 'db11', 'db12', 'db13', 'db14', 'db15', 'db16', 'db17', 'db18', 'db19', 'db20', 'db21', 'db22', 'db23', 'db24', 'db25', 'db26', 'db27', 'db28', 'db29', 'db30', 'db31', 'db32', 'db33', 'db34', 'db35', 'db36', 'db37', 'db38', 'dmey', 'haar', 'rbio1.1', 'rbio1.3', 'rbio1.5', 'rbio2.2', 'rbio2.4', 'rbio2.6', 'rbio2.8', 'rbio3.1', 'rbio3.3', 'rbio3.5', 'rbio3.7', 'rbio3.9', 'rbio4.4', 'rbio5.5', 'rbio6.8', 'sym2', 'sym3', 'sym4', 'sym5', 'sym6', 'sym7', 'sym8', 'sym9', 'sym10', 'sym11', 'sym12', 'sym13', 'sym14', 'sym15', 'sym16', 'sym17', 'sym18', 'sym19', 'sym20']<\/code><\/pre>\n<p>  \u0412\u043b\u0438\u044f\u043d\u0438\u0435 \u0432\u0435\u0439\u0432\u043b\u0435\u0442\u0430 \u043d\u0430 \u0445\u0430\u0440\u0430\u043a\u0442\u0435\u0440\u0438\u0441\u0442\u0438\u043a\u0443 \u0444\u0438\u043b\u044c\u0442\u0440\u0430 \u0437\u0430\u0432\u0438\u0441\u0438\u0442 \u043e\u0442 \u0435\u0433\u043e \u043f\u0435\u0440\u0432\u043e\u043e\u0431\u0440\u0430\u0437\u043d\u043e\u0439 \u0444\u0443\u043d\u043a\u0446\u0438\u0438. \u0414\u043b\u044f \u0434\u0435\u043c\u043e\u043d\u0441\u0442\u0440\u0430\u0446\u0438\u0438 \u044d\u0442\u043e\u0439 \u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u0438 \u0432\u044b\u0431\u0435\u0440\u0435\u043c \u0434\u0432\u0430 \u0432\u0435\u0439\u0432\u043b\u0435\u0442\u0430 \u0438\u0437 \u0441\u0435\u043c\u0435\u0439\u0441\u0442\u0432\u0430 \u00ab\u0414\u043e\u0431\u0435\u0448\u0438\u00bb \u2014 db1 \u0438 db38, \u0440\u0430\u0441\u0441\u043c\u043e\u0442\u0440\u0438\u043c \u044d\u0442\u0438 \u0441\u0435\u043c\u0435\u0439\u0441\u0442\u0432\u0430:<\/p>\n<div class=\"spoiler\"><b class=\"spoiler_title\">\u041b\u0438\u0441\u0442\u0438\u043d\u0433<\/b><\/p>\n<div class=\"spoiler_text\">\n<pre><code class=\"python\">import pywt from pylab import* db_wavelets =  ['db1', 'db38'] fig, axarr = subplots(ncols=2, nrows=5, figsize=(14,8)) fig.suptitle('\u0421\u0435\u043c\u0435\u0439\u0441\u0442\u0432\u043e \u0432\u0435\u0439\u0432\u043b\u0435\u0442\u043e\u0432 \u0414\u043e\u0431\u0435\u0448\u0438: db1,db38', fontsize=14) for col_no, waveletname in enumerate(db_wavelets):     wavelet = pywt.Wavelet(waveletname)     no_moments = wavelet.vanishing_moments_psi     family_name = wavelet.family_name     for row_no, level in enumerate(range(1,6)):         wavelet_function, scaling_function, x_values = wavelet.wavefun(level = level)         axarr[row_no, col_no].set_title(\"{} \u0423\u0440\u043e\u0432\u0435\u043d\u044c: {}. \u0418\u0441\u0447\u0435\u0437\u0430\u044e\u0449\u0438\u0435 \u043c\u043e\u043c\u0435\u043d\u0442\u044b : {}. \u041e\u0442\u0441\u0447\u0451\u0442\u044b:: {}  \".format(             waveletname, level, no_moments, len(x_values)), loc='left')         axarr[row_no, col_no].plot(x_values, wavelet_function, 'b--')         axarr[row_no, col_no].set_yticks([])         axarr[row_no, col_no].set_yticklabels([]) tight_layout() subplots_adjust(top=0.9) show() <\/code><\/pre>\n<p>  <\/div>\n<\/div>\n<p>  <img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/fs\/0m\/sq\/fs0msqniw-dcixmdhfbrxrwpwfg.png\"><\/p>\n<p>  \u0412 \u043f\u0435\u0440\u0432\u043e\u043c \u0441\u0442\u043e\u043b\u0431\u0446\u0435 \u043c\u044b \u0432\u0438\u0434\u0438\u043c \u0432\u0435\u0439\u0432\u043b\u0435\u0442\u044b \u0414\u043e\u0431\u0435\u0448\u0438 \u043f\u0435\u0440\u0432\u043e\u0433\u043e \u043f\u043e\u0440\u044f\u0434\u043a\u0430 (db1), \u0432\u043e \u0432\u0442\u043e\u0440\u043e\u043c \u0441\u0442\u043e\u043b\u0431\u0446\u0435 \u0442\u0440\u0438\u0434\u0446\u0430\u0442\u044c \u0432\u043e\u0441\u044c\u043c\u043e\u0433\u043e \u043f\u043e\u0440\u044f\u0434\u043a\u0430 (db38). \u0422\u0430\u043a\u0438\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c, db1 \u0438\u043c\u0435\u0435\u0442 \u043e\u0434\u0438\u043d \u043c\u043e\u043c\u0435\u043d\u0442 \u0438\u0441\u0447\u0435\u0437\u043d\u043e\u0432\u0435\u043d\u0438\u044f, \u0430 db38 \u0438\u043c\u0435\u0435\u0442 38 \u043c\u043e\u043c\u0435\u043d\u0442\u043e\u0432 \u0438\u0441\u0447\u0435\u0437\u043d\u043e\u0432\u0435\u043d\u0438\u044f. \u0427\u0438\u0441\u043b\u043e \u043c\u043e\u043c\u0435\u043d\u0442\u043e\u0432 \u0438\u0441\u0447\u0435\u0437\u043d\u043e\u0432\u0435\u043d\u0438\u044f \u0441\u0432\u044f\u0437\u0430\u043d\u043e \u0441 \u043f\u043e\u0440\u044f\u0434\u043a\u043e\u043c \u0430\u043f\u043f\u0440\u043e\u043a\u0441\u0438\u043c\u0430\u0446\u0438\u0438 \u0438 \u0433\u043b\u0430\u0434\u043a\u043e\u0441\u0442\u044c\u044e \u0432\u0435\u0439\u0432\u043b\u0435\u0442\u0430. \u0415\u0441\u043b\u0438 \u0432\u0435\u0439\u0432\u043b\u0435\u0442 \u0438\u043c\u0435\u0435\u0442 P \u043c\u043e\u043c\u0435\u043d\u0442\u043e\u0432 \u0438\u0441\u0447\u0435\u0437\u043d\u043e\u0432\u0435\u043d\u0438\u044f, \u043e\u043d \u043c\u043e\u0436\u0435\u0442 \u0430\u043f\u043f\u0440\u043e\u043a\u0441\u0438\u043c\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u043f\u043e\u043b\u0438\u043d\u043e\u043c\u044b \u0441\u0442\u0435\u043f\u0435\u043d\u0438 P \u2013 1.<\/p>\n<p>  \u0411\u043e\u043b\u0435\u0435 \u0433\u043b\u0430\u0434\u043a\u0438\u0435 \u0432\u0435\u0439\u0432\u043b\u0435\u0442\u044b \u0441\u043e\u0437\u0434\u0430\u044e\u0442 \u0431\u043e\u043b\u0435\u0435 \u0433\u043b\u0430\u0434\u043a\u0443\u044e \u0430\u043f\u043f\u0440\u043e\u043a\u0441\u0438\u043c\u0430\u0446\u0438\u044e \u0441\u0438\u0433\u043d\u0430\u043b\u0430, \u0438 \u043d\u0430\u043e\u0431\u043e\u0440\u043e\u0442 \u2013 \u00ab\u043a\u043e\u0440\u043e\u0442\u043a\u0438\u0435\u00bb \u0432\u0435\u0439\u0432\u043b\u0435\u0442\u044b \u043b\u0443\u0447\u0448\u0435 \u043e\u0442\u0441\u043b\u0435\u0436\u0438\u0432\u0430\u044e\u0442 \u043f\u0438\u043a\u0438 \u0430\u043f\u043f\u0440\u043e\u043a\u0441\u0438\u043c\u0438\u0440\u0443\u0435\u043c\u043e\u0439 \u0444\u0443\u043d\u043a\u0446\u0438\u0438. \u041f\u0440\u0438 \u0432\u044b\u0431\u043e\u0440\u0435 \u0432\u0435\u0439\u0432\u043b\u0435\u0442\u0430 \u043c\u044b \u0442\u0430\u043a\u0436\u0435 \u043c\u043e\u0436\u0435\u043c \u0443\u043a\u0430\u0437\u0430\u0442\u044c, \u043a\u0430\u043a\u0438\u043c \u0434\u043e\u043b\u0436\u0435\u043d \u0431\u044b\u0442\u044c \u0443\u0440\u043e\u0432\u0435\u043d\u044c \u0434\u0435\u043a\u043e\u043c\u043f\u043e\u0437\u0438\u0446\u0438\u0438. \u041f\u043e \u0443\u043c\u043e\u043b\u0447\u0430\u043d\u0438\u044e PyWavelets \u0432\u044b\u0431\u0438\u0440\u0430\u0435\u0442 \u043c\u0430\u043a\u0441\u0438\u043c\u0430\u043b\u044c\u043d\u044b\u0439 \u0443\u0440\u043e\u0432\u0435\u043d\u044c \u0434\u0435\u043a\u043e\u043c\u043f\u043e\u0437\u0438\u0446\u0438\u0438, \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u044b\u0439 \u0434\u043b\u044f \u0432\u0445\u043e\u0434\u043d\u043e\u0433\u043e \u0441\u0438\u0433\u043d\u0430\u043b\u0430. \u041c\u0430\u043a\u0441\u0438\u043c\u0430\u043b\u044c\u043d\u044b\u0439 \u0443\u0440\u043e\u0432\u0435\u043d\u044c \u0440\u0430\u0437\u043b\u043e\u0436\u0435\u043d\u0438\u044f \u0437\u0430\u0432\u0438\u0441\u0438\u0442 \u043e\u0442 \u0434\u043b\u0438\u043d\u044b \u0432\u0445\u043e\u0434\u043d\u043e\u0433\u043e \u0441\u0438\u0433\u043d\u0430\u043b\u0430 \u0438 \u0432\u0435\u0439\u0432\u043b\u0435\u0442\u0430: <\/p>\n<div class=\"spoiler\"><b class=\"spoiler_title\">\u041b\u0438\u0441\u0442\u0438\u043d\u0433<\/b><\/p>\n<div class=\"spoiler_text\">\n<pre><code class=\"python\">import pandas as pd import pywt filename = 'Test_set\/Bearing2_3\/acc_00001.csv' df = pd.read_csv(filename, header=None) data = df[4].values w=['db1', 'db38'] for v in w:     n_level=pywt.dwt_max_level(len(data),v)     print('\u0414\u043b\u044f \u0432\u0435\u0439\u0432\u043b\u0435\u0442\u0430 %s \u043c\u0430\u043a\u0441\u0438\u043c\u0430\u043b\u044c\u043d\u044b\u0439 \u0443\u0440\u043e\u0432\u0435\u043d\u044c \u0434\u0435\u043a\u043e\u043c\u043f\u043e\u0437\u0438\u0446\u0438\u0438: %s ' %(v,n_level))<\/code><\/pre>\n<p>  <\/div>\n<\/div>\n<p>  \u0414\u043b\u044f \u0432\u0435\u0439\u0432\u043b\u0435\u0442\u0430 db1 \u043c\u0430\u043a\u0441\u0438\u043c\u0430\u043b\u044c\u043d\u044b\u0439 \u0443\u0440\u043e\u0432\u0435\u043d\u044c \u0434\u0435\u043a\u043e\u043c\u043f\u043e\u0437\u0438\u0446\u0438\u0438: 11 <br \/>  \u0414\u043b\u044f \u0432\u0435\u0439\u0432\u043b\u0435\u0442\u0430 db38 \u043c\u0430\u043a\u0441\u0438\u043c\u0430\u043b\u044c\u043d\u044b\u0439 \u0443\u0440\u043e\u0432\u0435\u043d\u044c \u0434\u0435\u043a\u043e\u043c\u043f\u043e\u0437\u0438\u0446\u0438\u0438: 5<\/p>\n<p>  \u0414\u043b\u044f \u043f\u043e\u043b\u0443\u0447\u0435\u043d\u043d\u044b\u0445 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0439 \u043c\u0430\u043a\u0441\u0438\u043c\u0430\u043b\u044c\u043d\u044b\u0445 \u0443\u0440\u043e\u0432\u043d\u0435\u0439 \u0434\u0435\u043a\u043e\u043c\u043f\u043e\u0437\u0438\u0446\u0438\u0438 \u0432\u0435\u0439\u0432\u043b\u0435\u0442\u043e\u0432 \u0440\u0430\u0441\u0441\u043c\u043e\u0442\u0440\u0438\u043c \u0440\u0430\u0431\u043e\u0442\u0443 \u0444\u0438\u043b\u044c\u0442\u0440\u0430 \u043f\u043e \u0443\u0434\u0430\u043b\u0435\u043d\u0438\u044e \u0432\u044b\u0441\u043e\u043a\u043e\u0447\u0430\u0441\u0442\u043e\u0442\u043d\u044b\u0445 \u0448\u0443\u043c\u043e\u0432:<\/p>\n<div class=\"spoiler\"><b class=\"spoiler_title\">\u041b\u0438\u0441\u0442\u0438\u043d\u0433<\/b><\/p>\n<div class=\"spoiler_text\">\n<pre><code class=\"python\">import pandas as pd import scaleogram as scg from  pylab import * import pywt filename = 'Test_set\/Bearing2_3\/acc_00001.csv' df = pd.read_csv(filename, header=None) signal = df[4].values discrete_wavelets =[('db38', 5),('db1',11)] for v in discrete_wavelets:         def lowpassfilter(signal, thresh = 0.63, wavelet=v[0]):         thresh = thresh*nanmax(signal)         coeff = pywt.wavedec(signal, wavelet, mode=\"per\" )               coeff[1:] = (pywt.threshold(i, value=thresh, mode='soft' ) for i in coeff[1:])         reconstructed_signal = pywt.waverec(coeff, wavelet, mode=\"per\" )         return reconstructed_signal     wavelet = pywt.DiscreteContinuousWavelet(v[0])     phi, psi, x = wavelet.wavefun(level=v[1])     fig, ax = subplots(figsize=(8,4))       ax.set_title(\"\u0413\u0440\u0430\u0444\u0438\u043a \u043f\u0435\u0440\u0432\u043e\u043e\u0431\u0440\u0430\u0437\u043d\u043e\u0439 \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u0432\u0435\u0439\u0432\u043b\u0435\u0442\u0430: %s,level=%s\"%(v[0],v[1]), fontsize=12)       ax.plot(x,phi,linewidth=2)         fig, ax = subplots(figsize=(8,4))       ax.plot(signal, color=\"b\", alpha=0.5, label=' \u041e\u0440\u0438\u0433\u0438\u043d\u0430\u043b\u044c\u043d\u044b\u0439 \u0441\u0438\u0433\u043d\u0430\u043b ')     rec = lowpassfilter(signal, 0.4)     ax.plot(rec, 'r', label='DWT \u043f\u0440\u0435\u043e\u0431\u0440\u0430\u0437\u043e\u0432\u0430\u043d\u0438\u0435 \u0441\u0438\u0433\u043d\u0430\u043b\u0430', linewidth=2)     ax.legend()     ax.set_title('\u0423\u0434\u0430\u043b\u0435\u043d\u0438\u0435 \u0432\u044b\u0441\u043e\u043a\u043e\u0447\u0430\u0441\u0442\u043e\u0442\u043d\u043e\u0433\u043e \u0448\u0443\u043c\u0430 \\n \u0441 \u043f\u043e\u043c\u043e\u0449\u044c\u044e \u0432\u0435\u0439\u0432\u043b\u0435\u0442\u0430:%s,level=%s'%(v[0],v[1]),fontsize=12)     ax.set_ylabel('\u0410\u043c\u043f\u043b\u0438\u0442\u0443\u0434\u0430 \u0441\u0438\u0433\u043d\u0430\u043b\u0430', fontsize=12)     ax.set_xlabel('\u0412\u0440\u0435\u043c\u044f', fontsize=12)     wavelet = 'cmor1-0.5'      ax = ax = scg.cws(rec, scales=arange(1,128), wavelet=wavelet,figsize=(8, 4), cmap=\"jet\", ylabel='\u041f\u0435\u0440\u0438\u043e\u0434 ', xlabel=\"\u0412\u0440\u0435\u043c\u044f \", yscale=\"log\", title='CWT \u0441\u0438\u0433\u043d\u0430\u043b\u0430 \\n(\u0441\u043f\u0435\u043a\u0442\u0440 \u043c\u043e\u0449\u043d\u043e\u0441\u0442\u0438 \u043f\u043e\u0441\u043b\u0435 DWT \u0444\u0438\u043b\u044c\u0442\u0440\u0430\u0446\u0438\u0438 )') show() <\/code><\/pre>\n<p>  <\/div>\n<\/div>\n<p>  <img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/ox\/ye\/ly\/oxyelyqw4xi75vxu8sgn57jy2ek.png\"><br \/>  <img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/iv\/-s\/sy\/iv-ssyb2yau4ym95tk7ks37hddo.png\"><br \/>  <img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/1f\/vm\/4t\/1fvm4trkcng-igaafvxppvadkvo.png\"><br \/>  <img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/w1\/zm\/ls\/w1zmlsmgqnlnbj2ww5v6nijdmyo.png\"><br \/>  <img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/js\/wc\/l3\/jswcl3-b_tcy_cth70tlktwc6ka.png\"><br \/>  <img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/z8\/c-\/83\/z8c-83mpmq8p5ewenjbkudpjh5s.png\"><\/p>\n<p>  \u0418\u0437 \u043f\u0440\u0438\u0432\u0435\u0434\u0435\u043d\u043d\u044b\u0445 \u0441\u043a\u0430\u043b\u043e\u0433\u0440\u0430\u043c\u043c \u0441\u0438\u0433\u043d\u0430\u043b\u043e\u0432 \u043d\u0430 \u0432\u044b\u0445\u043e\u0434\u0435 \u0444\u0438\u043b\u044c\u0442\u0440\u0430 \u0441\u043b\u0435\u0434\u0443\u0435\u0442, \u0447\u0442\u043e \u0434\u043b\u044f \u0432\u0435\u0439\u0432\u043b\u0435\u0442\u0430 db38 \u0437\u0430 \u043f\u0438\u043a\u0430\u043c\u0438 \u043c\u043e\u0449\u043d\u043e\u0441\u0442\u0438 \u0441\u043f\u0435\u043a\u0442\u0440\u0430 \u0441\u043b\u0435\u0434\u0443\u044e\u0442 \u043b\u043e\u043a\u0430\u043b\u0438\u0437\u043e\u0432\u0430\u043d\u043d\u044b\u0435 \u043e\u0431\u043b\u0430\u0441\u0442\u0438, \u0434\u043b\u044f \u0432\u0435\u0439\u0432\u043b\u0435\u0442\u0430 db1 \u044d\u0442\u0438 \u043e\u0431\u043b\u0430\u0441\u0442\u0438 \u0438\u0441\u0447\u0435\u0437\u0430\u044e\u0442.\u041c\u043e\u0436\u043d\u043e \u0432\u044b\u0431\u0440\u0430\u0442\u044c \u0432\u0435\u0439\u0432\u043b\u0435\u0442, \u043f\u0435\u0440\u0432\u043e\u043e\u0431\u0440\u0430\u0437\u043d\u0430\u044f \u0444\u0443\u043d\u043a\u0446\u0438\u044f \u043a\u043e\u0442\u043e\u0440\u043e\u0433\u043e \u0431\u0443\u0434\u0435\u0442 \u0438\u043c\u0435\u0442\u044c \u0444\u043e\u0440\u043c\u0443, \u0445\u0430\u0440\u0430\u043a\u0442\u0435\u0440\u043d\u0443\u044e \u0434\u043b\u044f \u044f\u0432\u043b\u0435\u043d\u0438\u0439, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043c\u044b \u043e\u0436\u0438\u0434\u0430\u0435\u043c \u0443\u0432\u0438\u0434\u0435\u0442\u044c. \u041d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u043e \u043e\u0442\u043c\u0435\u0442\u0438\u0442\u044c, \u0447\u0442\u043e, \u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, \u0432\u0435\u0439\u0432\u043b\u0435\u0442 db38 \u043c\u043e\u0436\u0435\u0442 \u0430\u043f\u043f\u0440\u043e\u043a\u0441\u0438\u043c\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0441\u0438\u0433\u043d\u0430\u043b \u043f\u043e\u043b\u0438\u043d\u043e\u043c\u043e\u043c 37 \u0441\u0442\u0435\u043f\u0435\u043d\u0438. \u042d\u0442\u043e \u0440\u0430\u0441\u0448\u0438\u0440\u044f\u0435\u0442 \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e\u0441\u0442\u0438 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438 \u0441\u0438\u0433\u043d\u0430\u043b\u043e\u0432, \u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, \u0434\u043b\u044f \u0432\u044b\u044f\u0432\u043b\u0435\u043d\u0438\u044f \u043d\u0435\u0438\u0441\u043f\u0440\u0430\u0432\u043d\u043e\u0441\u0442\u0435\u0439 \u043e\u0431\u043e\u0440\u0443\u0434\u043e\u0432\u0430\u043d\u0438\u044f \u043f\u043e \u0441\u0438\u0433\u043d\u0430\u043b\u0430\u043c \u0434\u0430\u0442\u0447\u0438\u043a\u043e\u0432 \u0432\u0438\u0431\u0440\u0430\u0446\u0438\u0438.<\/p>\n<p>  <b>\u041f\u043e\u0441\u043a\u043e\u043b\u044c\u043a\u0443 \u0441\u0438\u0433\u043d\u0430\u043b \u043f\u043e\u0441\u043b\u0435 \u0444\u0438\u043b\u044c\u0442\u0440\u0430 \u0441 \u0432\u0435\u0439\u0432\u043b\u0435\u0442\u043e\u043c \u0414\u043e\u0431\u0435\u0448\u0438 \u043e\u0431\u0440\u0430\u0437\u0443\u0435\u0442 \u0432\u0440\u0435\u043c\u0435\u043d\u043d\u043e\u0439 \u0440\u044f\u0434 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044f \u043a\u043e\u044d\u0444\u0444\u0438\u0446\u0438\u0435\u043d\u0442\u044b \u0430\u043f\u0440\u043e\u043a\u0441\u0438\u043c\u0430\u0446\u0438\u0438 \u0438 \u0434\u0435\u043a\u043e\u043c\u043f\u043e\u0437\u0438\u0446\u0438\u0438 \u043a\u0430\u043a \u0445\u0430\u0440\u0430\u043a\u0442\u0435\u0440\u0438\u0441\u0442\u0438\u043a\u0438 \u0440\u044f\u0434\u0430 \u043c\u043e\u0436\u043d\u043e \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u044f\u0442\u044c \u0441\u0442\u0435\u043f\u0435\u043d\u044c \u0431\u043b\u0438\u0437\u043e\u0441\u0442\u0438 \u0442\u0430\u043a\u0438\u0445 \u0440\u044f\u0434\u043e\u0432, \u0447\u0442\u043e \u0441\u0443\u0449\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u043e \u0443\u043f\u0440\u043e\u0449\u0430\u0435\u0442 \u0438\u0445 \u043f\u043e\u0438\u0441\u043a \u0438 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u044e<\/b><\/p>\n<h3>\u0424\u0438\u043b\u044c\u0442\u0440 \u041a\u0430\u043b\u043c\u0430\u043d\u0430 \u0434\u043b\u044f \u0443\u0434\u0430\u043b\u0435\u043d\u0438\u044f \u0432\u044b\u0441\u043e\u043a\u043e\u0447\u0430\u0441\u0442\u043e\u0442\u043d\u043e\u0433\u043e \u0448\u0443\u043c\u0430<\/h3>\n<p>  \u0424\u0438\u043b\u044c\u0442\u0440 \u041a\u0430\u043b\u043c\u0430\u043d\u0430 \u0448\u0438\u0440\u043e\u043a\u043e \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u0442\u0441\u044f \u0434\u043b\u044f \u0444\u0438\u043b\u044c\u0442\u0440\u0430\u0446\u0438\u0438 \u0448\u0443\u043c\u0430 \u0432 \u0440\u0430\u0437\u043b\u0438\u0447\u043d\u044b\u0445 \u0434\u0438\u043d\u0430\u043c\u0438\u0447\u0435\u0441\u043a\u0438\u0445 \u0441\u0438\u0441\u0442\u0435\u043c\u0430\u0445. \u0420\u0430\u0441\u0441\u043c\u043e\u0442\u0440\u0438\u043c \u0434\u0438\u043d\u0430\u043c\u0438\u0447\u0435\u0441\u043a\u0443\u044e \u0441\u0438\u0441\u0442\u0435\u043c\u0443 \u0441 \u0432\u0435\u043a\u0442\u043e\u0440\u043e\u043c \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u044f x.<\/p>\n<p>  <math><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/d76\/aaa\/80b\/d76aaa80bbcd76da6ec092777bce7292.svg\" alt=\"$x=F\\cdot x+w(Q) $\" data-tex=\"inline\"><\/math><\/p>\n<p>  \u0433\u0434\u0435 F \u2014 \u043c\u0430\u0442\u0440\u0438\u0446\u0430 \u043f\u0435\u0440\u0435\u0445\u043e\u0434\u043e\u0432 (transition matrix), <br \/>  w(Q) \u2014 \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u044b\u0439 \u043f\u0440\u043e\u0446\u0435\u0441\u0441 (\u0448\u0443\u043c) \u0441 \u043d\u0443\u043b\u0435\u0432\u044b\u043c \u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u043c \u043e\u0436\u0438\u0434\u0430\u043d\u0438\u0435\u043c \u0438 \u043c\u0430\u0442\u0440\u0438\u0446\u0435\u0439 \u043a\u043e\u0432\u0430\u0440\u0438\u0430\u0446\u0438\u0439 Q.<\/p>\n<p>  \u0411\u0443\u0434\u0435\u043c \u043d\u0430\u0431\u043b\u044e\u0434\u0430\u0442\u044c \u043f\u0435\u0440\u0435\u0445\u043e\u0434\u044b \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u0439 \u0441\u0438\u0441\u0442\u0435\u043c\u044b \u0441 \u0438\u0437\u0432\u0435\u0441\u0442\u043d\u043e\u0439 \u043f\u043e\u0433\u0440\u0435\u0448\u043d\u043e\u0441\u0442\u044c\u044e \u0438\u0437\u043c\u0435\u0440\u0435\u043d\u0438\u0439 \u0432 \u043a\u0430\u0436\u0434\u044b\u0439 \u043c\u043e\u043c\u0435\u043d\u0442 \u0432\u0440\u0435\u043c\u0435\u043d\u0438. \u0423\u0434\u0430\u043b\u0435\u043d\u0438\u0435 \u0448\u0443\u043c\u0430 \u0441 \u043f\u043e\u043c\u043e\u0449\u044c\u044e \u043c\u0435\u0442\u043e\u0434\u0430 \u041a\u0430\u043b\u043c\u0430\u043d\u0430 \u0441\u043e\u0441\u0442\u043e\u0438\u0442 \u0438\u0437 \u0434\u0432\u0443\u0445 \u0448\u0430\u0433\u043e\u0432 \u2014 \u044d\u043a\u0441\u0442\u0440\u0430\u043f\u043e\u043b\u044f\u0446\u0438\u044f \u0438 \u043a\u043e\u0440\u0440\u0435\u043a\u0446\u0438\u044f, \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u044d\u0442\u043e \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c.<\/p>\n<p>  \u0417\u0430\u0434\u0430\u0434\u0438\u043c \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u044b \u0441\u0438\u0441\u0442\u0435\u043c\u044b:<\/p>\n<p>  Q- \u043c\u0430\u0442\u0440\u0438\u0446\u0435\u0439 \u043a\u043e\u0432\u0430\u0440\u0438\u0430\u0446\u0438\u0439 \u0448\u0443\u043c\u0430 (process noise covariance ). <br \/>  H \u2014 \u043c\u0430\u0442\u0440\u0438\u0446\u0430 \u043d\u0430\u0431\u043b\u044e\u0434\u0435\u043d\u0438\u044f (measurement).<br \/>  R \u2014 \u043a\u043e\u0432\u0430\u0440\u0438\u0430\u0446\u0438\u044f \u0448\u0443\u043c\u0430 \u043d\u0430\u0431\u043b\u044e\u0434\u0435\u043d\u0438\u044f (measurement noise covariance).<br \/>  P =Q \u2014 \u043d\u0430\u0447\u0430\u043b\u044c\u043d\u043e\u0435 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0435 \u043a\u043e\u0432\u0430\u0440\u0438\u0430\u0446\u0438\u043e\u043d\u043d\u043e\u0439 \u043c\u0430\u0442\u0440\u0438\u0446\u044b \u0434\u043b\u044f \u0432\u0435\u043a\u0442\u043e\u0440\u0430 \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u044f.<br \/>  z(t) \u2014 \u043d\u0430\u0431\u043b\u044e\u0434\u0430\u0435\u043c\u043e\u0435 \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u0435 \u0441\u0438\u0441\u0442\u0435\u043c\u044b.<br \/>  x= z(0) \u2014 \u043d\u0430\u0447\u0430\u043b\u044c\u043d\u043e\u0435 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0435 \u043e\u0446\u0435\u043d\u043a\u0438 \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u044f \u0441\u0438\u0441\u0442\u0435\u043c\u044b.<\/p>\n<p>  \u0414\u043b\u044f \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u043d\u0430\u0431\u043b\u044e\u0434\u0435\u043d\u0438\u044f z \u0431\u0443\u0434\u0435\u043c \u0432\u044b\u0447\u0438\u0441\u043b\u044f\u0442\u044c \u043e\u0442\u0444\u0438\u043b\u044c\u0442\u0440\u043e\u0432\u0430\u043d\u043d\u043e\u0435 \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u0435 x <br \/>  \u0438 \u0434\u043b\u044f \u044d\u0442\u043e\u0433\u043e \u0432\u044b\u043f\u043e\u043b\u043d\u044f\u0435\u043c \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0435 \u0448\u0430\u0433\u0438.<\/p>\n<p>  \u2022 \u0448\u0430\u0433 1: \u044d\u043a\u0441\u0442\u0440\u0430\u043f\u043e\u043b\u044f\u0446\u0438\u044f<br \/>  1. \u044d\u043a\u0441\u0442\u0440\u0430\u043f\u043e\u043b\u044f\u0446\u0438\u044f (\u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u0438\u0435) \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u044f \u0441\u0438\u0441\u0442\u0435\u043c\u044b<br \/>  <math><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/6c2\/2ad\/bc3\/6c22adbc34b9be7a4bd044d37f5db894.svg\" alt=\"$x=F\\cdot x$\" data-tex=\"inline\"><\/math><br \/>  2. \u0432\u044b\u0447\u0438\u0441\u043b\u044f\u0435\u043c \u043a\u043e\u0432\u0430\u0440\u0438\u0430\u0446\u0438\u043e\u043d\u043d\u0443\u044e \u043c\u0430\u0442\u0440\u0438\u0446\u0443 \u0434\u043b\u044f \u044d\u043a\u0441\u0442\u0440\u0430\u043f\u043e\u043b\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u043e\u0433\u043e \u0432\u0435\u043a\u0442\u043e\u0440\u0430 \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u044f<br \/>  <math><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/897\/29d\/ff4\/89729dff402b6ce7f0e2bb55abaa7b95.svg\" alt=\"$F=F\\cdot P\\cdot F^{T}+Q$\" data-tex=\"inline\"><\/math><\/p>\n<p>  \u2022 \u0448\u0430\u0433 2: \u043a\u043e\u0440\u0440\u0435\u043a\u0446\u0438\u044f<br \/>  1. \u0432\u044b\u0447\u0438\u0441\u043b\u044f\u0435\u043c \u0432\u0435\u043a\u0442\u043e\u0440 \u043e\u0448\u0438\u0431\u043a\u0438, \u043e\u0442\u043a\u043b\u043e\u043d\u0435\u043d\u0438\u0435 \u043d\u0430\u0431\u043b\u044e\u0434\u0435\u043d\u0438\u044f \u043e\u0442 \u043e\u0436\u0438\u0434\u0430\u0435\u043c\u043e\u0433\u043e \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u044f<br \/>  <math><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/3df\/647\/8f8\/3df6478f8ad42f7541d20012bb155123.svg\" alt=\"$y=z-H\\cdot x$\" data-tex=\"inline\"><\/math><br \/>  2. \u0432\u044b\u0447\u0438\u0441\u043b\u044f\u0435\u043c \u043a\u043e\u0432\u0430\u0440\u0438\u0430\u0446\u0438\u043e\u043d\u043d\u0443\u044e \u043c\u0430\u0442\u0440\u0438\u0446\u0443 \u0434\u043b\u044f \u0432\u0435\u043a\u0442\u043e\u0440\u0430 \u043e\u0442\u043a\u043b\u043e\u043d\u0435\u043d\u0438\u044f (\u0432\u0435\u043a\u0442\u043e\u0440\u0430 \u043e\u0448\u0438\u0431\u043a\u0438)<br \/>  <math><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/aa0\/16d\/8d9\/aa016d8d93bc699af88c9878235da42b.svg\" alt=\"$S=H\\cdot P\\cdot H^{T}+R$\" data-tex=\"inline\"><\/math><br \/>  3. \u0432\u044b\u0447\u0438\u0441\u043b\u044f\u0435\u043c \u043a\u043e\u044d\u0444\u0444\u0438\u0446\u0438\u0435\u043d\u0442\u044b \u0443\u0441\u0438\u043b\u0435\u043d\u0438\u044f \u041a\u0430\u043b\u043c\u0430\u043d\u0430<br \/>  <math><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/5dd\/6af\/bbd\/5dd6afbbd58a997fc1bf8f26a16274ee.svg\" alt=\"$K=P\\cdot H\\cdot H^{T}\\cdot S^{-1}$\" data-tex=\"inline\"><\/math><br \/>  4. \u043a\u043e\u0440\u0440\u0435\u043a\u0446\u0438\u044f \u043e\u0446\u0435\u043d\u043a\u0438 \u0432\u0435\u043a\u0442\u043e\u0440\u0430 \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u044f<br \/>  <math><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/56b\/fa8\/e63\/56bfa8e63b5d0f464abc03bb67fb9267.svg\" alt=\"$x=x+K\\cdot y$\" data-tex=\"inline\"><\/math><br \/>  5. \u043a\u043e\u0440\u0440\u0435\u043a\u0442\u0438\u0440\u0443\u0435\u043c \u043a\u043e\u0432\u0430\u0440\u0438\u0430\u0446\u0438\u043e\u043d\u043d\u0443\u044e \u043c\u0430\u0442\u0440\u0438\u0446\u0443 \u043e\u0446\u0435\u043d\u043a\u0438 \u0432\u0435\u043a\u0442\u043e\u0440\u0430 \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u044f \u0441\u0438\u0441\u0442\u0435\u043c\u044b<br \/>  <math><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/7fe\/c49\/0b4\/7fec490b46df382d62a8aa53ce968963.svg\" alt=\"$P=(I-K\\cdot H)\\cdot P$\" data-tex=\"inline\"><\/math><\/p>\n<div class=\"spoiler\"><b class=\"spoiler_title\">\u041b\u0438\u0441\u0442\u0438\u043d\u0433 \u0434\u043b\u044f \u0440\u0435\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438 \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u0430<\/b><\/p>\n<div class=\"spoiler_text\">\n<pre><code class=\"python\">from scipy import* from pylab import* import pandas as pd    def kalman_filter( z,      F = eye(2), # \u043c\u0430\u0442\u0440\u0438\u0446\u0430 \u043f\u0435\u0440\u0435\u0445\u043e\u0434\u0430 \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u0439 \u0441\u0438\u0441\u0442\u0435\u043c\u044b (transitionMatrix)     Q = eye(2)*3e-3, # \u043a\u043e\u0432\u0430\u0440\u0438\u0430\u0446\u0438\u044f \u0448\u0443\u043c\u0430 (processNoiseCov)     H = eye(2), # \u043c\u0430\u0442\u0440\u0438\u0446\u0430 \u043d\u0430\u0431\u043b\u044e\u0434\u0435\u043d\u0438\u044f (measurement)     R = eye(2)*3e-1 # \u043a\u043e\u0432\u0430\u0440\u0438\u0430\u0446\u0438\u044f \u0448\u0443\u043c\u0430 \u043d\u0430\u0431\u043b\u044e\u0434\u0435\u043d\u0438\u044f (measurementNoiseCov)             ):     n = z.shape[0] # \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u044d\u043b\u0435\u043c\u0435\u043d\u0442\u043e\u0432     #m = z.shape[1] # \u0440\u0430\u0437\u043c\u0435\u0440\u043d\u043e\u0441\u0442\u044c \u043f\u0440\u043e\u0441\u0442\u0440\u0430\u043d\u0441\u0442\u0432\u0430     x = z[0,:].transpose() # \u043d\u0430\u0447\u0430\u043b\u044c\u043d\u043e\u0435 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0435 \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u0438\u044f \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u044f \u0441\u0438\u0441\u0442\u0435\u043c\u044b     P = Q # \u043a\u043e\u0432\u0430\u0440\u0438\u0430\u0446\u0438\u043e\u043d\u043d\u0430\u044f \u043c\u0430\u0442\u0440\u0438\u0446\u0430 \u0434\u043b\u044f \u044d\u043a\u0441\u0442\u0440\u0430\u043f\u043e\u043b\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u043e\u0433\u043e \u0432\u0435\u043a\u0442\u043e\u0440\u0430 \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u044f     r = [ x ] # \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442     for i in range(1,n):         # \u044d\u043a\u0441\u0442\u0440\u0430\u043f\u043e\u043b\u044f\u0446\u0438\u044f:         x = F.dot( x ) # \u044d\u043a\u0441\u0442\u0440\u0430\u043f\u043e\u043b\u044f\u0446\u0438\u044f (\u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u0438\u0435) \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u044f \u0441\u0438\u0441\u0442\u0435\u043c\u044b         P = F.dot(P).dot( F.transpose() ) + Q # \u043a\u043e\u0432\u0430\u0440\u0438\u0430\u0446\u0438\u043e\u043d\u043d\u0430\u044f \u043c\u0430\u0442\u0440\u0438\u0446\u0430 \u0434\u043b\u044f \u044d\u043a\u0441\u0442\u0440\u0430\u043f\u043e\u043b\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u043e\u0433\u043e \u0432\u0435\u043a\u0442\u043e\u0440\u0430 \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u044f         # \u043a\u043e\u0440\u0440\u0435\u043a\u0446\u0438\u044f:         y = z[i] - H.dot(x) # \u0432\u0435\u043a\u0442\u043e\u0440 \u043e\u0448\u0438\u0431\u043a\u0438, \u043e\u0442\u043a\u043b\u043e\u043d\u0435\u043d\u0438\u0435 \u0444\u0430\u043a\u0442\u0438\u0447\u0435\u0441\u043a\u043e\u0433\u043e \u043d\u0430\u0431\u043b\u044e\u0434\u0435\u043d\u0438\u044f \u043e\u0442 \u043e\u0436\u0438\u0434\u0430\u0435\u043c\u043e\u0433\u043e (\u044d\u043a\u0441\u0442\u0440\u0430\u043f\u043e\u043b\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u043e\u0433\u043e) \u043d\u0430\u0431\u043b\u044e\u0434\u0435\u043d\u0438\u044f          S = H.dot(P).dot(H.transpose()) + R # \u043a\u043e\u0432\u0430\u0440\u0438\u0430\u0446\u0438\u043e\u043d\u043d\u0430\u044f \u043c\u0430\u0442\u0440\u0438\u0446\u0430 \u0434\u043b\u044f \u0432\u0435\u043a\u0442\u043e\u0440\u0430 \u043e\u0442\u043a\u043b\u043e\u043d\u0435\u043d\u0438\u044f (\u0432\u0435\u043a\u0442\u043e\u0440\u0430 \u043e\u0448\u0438\u0431\u043a\u0438)         K = P.dot(H.transpose()).dot(linalg.inv(S)) # \u043c\u0430\u0442\u0440\u0438\u0446\u0430 \u043a\u043e\u044d\u0444\u0444\u0438\u0446\u0438\u0435\u043d\u0442\u043e\u0432 \u0443\u0441\u0438\u043b\u0435\u043d\u0438\u044f \u041a\u0430\u043b\u043c\u0430\u043d\u0430          x = x + K.dot(y) # \u043a\u043e\u0440\u0440\u0435\u043a\u0446\u0438\u044f \u043e\u0446\u0435\u043d\u043a\u0438 \u0432\u0435\u043a\u0442\u043e\u0440\u0430 \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u044f          P = ( eye(z.shape[1]) - K.dot(H) ).dot(P) # \u043a\u043e\u0432\u0430\u0440\u0438\u0430\u0446\u0438\u043e\u043d\u043d\u0430\u044f \u043c\u0430\u0442\u0440\u0438\u0446\u0430 \u043e\u0446\u0435\u043d\u043a\u0438 \u0432\u0435\u043a\u0442\u043e\u0440\u0430 \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u044f \u0441\u0438\u0441\u0442\u0435\u043c\u044b         r.append( x.transpose())     return array(r) filename = 'Test_set\/Bearing2_3\/acc_00001.csv' df = pd.read_csv(filename, header=None) signal = df[4].values N=  signal .shape[0] # \u0434\u043b\u0438\u043d\u0430 \u043f\u043e\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u0438 # 2 dimensions y0 =linspace(0.0,2500.0,N)  y1 =signal  d  = array(list(zip(y0,y1))) dn = d  r =  kalman_filter(dn) fig, ax = subplots(figsize=(8,4)) ax.plot( d[:,0], d[:,1],'b', label='\u041e\u0440\u0438\u0433\u0438\u043d\u0430\u043b\u044c\u043d\u044b\u0439 \u0441\u0438\u0433\u043d\u0430\u043b' )  ax.plot( r[:,0], r[:,1],'r', label='kalman' ) ax.legend(loc='upper left') ax.set_title('\u0423\u0434\u0430\u043b\u0435\u043d\u0438\u0435 \u0432\u044b\u0441\u043e\u043a\u043e\u0447\u0430\u0441\u0442\u043e\u0442\u043d\u043e\u0433\u043e \u0448\u0443\u043c\u0430 \u0441 \u043f\u043e\u043c\u043e\u0449\u044c\u044e  \u0444\u0438\u043b\u044c\u0442\u0440\u0430 \u041a\u0430\u043b\u043c\u0430\u043d\u0430 \\n (\u0440\u0430\u0441\u0447\u0451\u0442 \u043f\u043e \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u0443)', fontsize=12)                                             ax.set_ylabel('\u0410\u043c\u043f\u043b\u0438\u0442\u0443\u0434\u0430 \u0441\u0438\u0433\u043d\u0430\u043b\u0430', fontsize=12) ax.set_xlabel('\u0412\u0440\u0435\u043c\u044f', fontsize=12)                    show() <\/code><\/pre>\n<p>  <\/div>\n<\/div>\n<p>  <img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/zp\/ql\/ln\/zpqllnxdxf-fgpt2gyhxg4xekwm.png\"><\/p>\n<p>  \u0414\u043b\u044f \u043f\u0440\u0438\u0432\u0435\u0434\u0435\u043d\u043d\u043e\u0439 \u0434\u0438\u043d\u0430\u043c\u0438\u0447\u0435\u0441\u043a\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438 \u043c\u043e\u0436\u043d\u043e \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u0438 \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0443 pyKalman:<\/p>\n<div class=\"spoiler\"><b class=\"spoiler_title\">\u041b\u0438\u0441\u0442\u0438\u043d\u0433<\/b><\/p>\n<div class=\"spoiler_text\">\n<pre><code class=\"python\">from pykalman import KalmanFilter import pandas as pd from  pylab import * import scaleogram as scg filename = 'Test_set\/Bearing2_3\/acc_00001.csv' df = pd.read_csv(filename, header=None) signal = df[4].values measurements =signal  kf = KalmanFilter(transition_matrices=[1] ,# A \u043c\u0430\u0442\u0440\u0438\u0446\u0430 \u043f\u0435\u0440\u0435\u0445\u043e\u0434\u0430 \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u0439 \u043c\u0435\u0436\u0434\u0443 \u0432\u0440\u0435\u043c\u0435\u043d\u0430\u043c\u0438 t \u0438 t+1                    observation_matrices=[1],# C \u043c\u0430\u0442\u0440\u0438\u0446\u0430 \u043d\u0430\u0431\u043b\u044e\u0434\u0435\u043d\u0438\u044f                   initial_state_mean=measurements[0],#\u0441\u0440\u0435\u0434\u043d\u0435\u0435 \u043d\u0430\u0447\u0430\u043b\u044c\u043d\u043e\u0435 \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u0435                   initial_state_covariance=[1],#\u043a\u043e\u0432\u0430\u0440\u0438\u0430\u0446\u0438\u044f \u043d\u0430\u0447\u0430\u043b\u044c\u043d\u043e\u0433\u043e \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u044f \u0440\u0430\u0441\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u0438\u0435                   observation_covariance=[1],# R \u043a\u043e\u0432\u0430\u0440\u0438\u0430\u0446\u0438\u043e\u043d\u043d\u0430\u044f \u043c\u0430\u0442\u0440\u0438\u0446\u0430 \u043d\u0430\u0431\u043b\u044e\u0434\u0435\u043d\u0438\u044f                    transition_covariance= 0.01) # Q \u043a\u043e\u0432\u0430\u0440\u0438\u0430\u0446\u0438\u043e\u043d\u043d\u0430\u044f \u043c\u0430\u0442\u0440\u0438\u0446\u0430 \u043f\u0435\u0440\u0435\u0445\u043e\u0434\u0430 \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u0439  state_means, state_covariances = kf.filter(measurements)#\u0441\u0440\u0435\u0434\u043d\u0435\u0435  \u043d\u0430\u0447\u0430\u043b\u044c\u043d\u043e\u0435, \u043d\u0430\u0447\u0430\u043b\u044c\u043d\u0430\u044f \u043a\u043e\u0432\u0430\u0440\u0438\u0430\u0446\u0438\u044f state_means=[w[0] for w in state_means] state_std = sqrt(state_covariances[:,0]) fig, ax = subplots(figsize=(8,4)) ax.plot(measurements ,'b', label='\u041e\u0440\u0438\u0433\u0438\u043d\u0430\u043b\u044c\u043d\u044b\u0439 \u0441\u0438\u0433\u043d\u0430\u043b') ax.plot(state_means ,'r', label='kalman-\u0432\u044b\u0445\u043e\u0434 \u0444\u0438\u043b\u044c\u0442\u0440\u0430') ax.legend() ax.set_title('\u0423\u0434\u0430\u043b\u0435\u043d\u0438\u0435 \u0432\u044b\u0441\u043e\u043a\u043e\u0447\u0430\u0441\u0442\u043e\u0442\u043d\u043e\u0433\u043e \u0448\u0443\u043c\u0430 \u0441 \u043f\u043e\u043c\u043e\u0449\u044c\u044e  \u0444\u0438\u043b\u044c\u0442\u0440\u0430 \u041a\u0430\u043b\u043c\u0430\u043d\u0430\\n (\u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0430 pyKalman)', fontsize=14)                                           ax.set_ylabel('\u0410\u043c\u043f\u043b\u0438\u0442\u0443\u0434\u0430 \u0441\u0438\u0433\u043d\u0430\u043b\u0430', fontsize=12) ax.set_xlabel('\u0412\u0440\u0435\u043c\u044f', fontsize=12) wavelet = 'cmor1-0.5'  ax = ax = scg.cws(signal, scales=arange(1,40), wavelet=wavelet, figsize=(8, 4),cmap=\"jet\", ylabel='\u041f\u0435\u0440\u0438\u043e\u0434 ', xlabel=\"\u0412\u0440\u0435\u043c\u044f \", yscale=\"log\", title='CWT \u0441\u0438\u0433\u043d\u0430\u043b\u0430 \u0434\u043e \u0444\u0438\u043b\u044c\u0442\u0440\u0430 \u041a\u0430\u043b\u043c\u0430\u043d\u0430\\n(\u0441\u043f\u0435\u043a\u0442\u0440 \u043c\u043e\u0449\u043d\u043e\u0441\u0442\u0438)')    ax = ax = scg.cws(state_means, scales=arange(1,40), wavelet=wavelet, figsize=(8, 4), cmap=\"jet\", ylabel='\u041f\u0435\u0440\u0438\u043e\u0434 ', xlabel=\"\u0412\u0440\u0435\u043c\u044f \", yscale=\"log\", title='CWT \u0441\u0438\u0433\u043d\u0430\u043b\u0430 \u043f\u043e\u0441\u043b\u0435 \u0444\u0438\u043b\u044c\u0442\u0440\u0430 \u041a\u0430\u043b\u043c\u0430\u043d\u0430  \\n(\u0441\u043f\u0435\u043a\u0442\u0440 \u043c\u043e\u0449\u043d\u043e\u0441\u0442\u0438 )') show() <\/code><\/pre>\n<p>  <\/div>\n<\/div>\n<p>  <img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/z8\/uh\/p-\/z8uhp-7gzngp1uzvix5bxhjadd0.png\"><br \/>  <img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/ti\/qd\/gy\/tiqdgyoia3_ilxnbcqq8pmwoyi8.png\"><br \/>  <img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/ws\/ws\/il\/wswsilmi0tqwgrtwp-ezkdkdvy4.png\"><br \/>  \u0424\u0438\u043b\u044c\u0442\u0440 \u041a\u0430\u043b\u043c\u0430\u043d\u0430 \u0445\u043e\u0440\u043e\u0448\u043e \u0443\u0434\u0430\u043b\u044f\u0435\u0442 \u0432\u044b\u0441\u043e\u043a\u043e\u0447\u0430\u0441\u0442\u043e\u0442\u043d\u044b\u0439 \u0448\u0443\u043c \u043e\u0434\u043d\u0430\u043a\u043e \u043d\u0435 \u043f\u043e\u0437\u0432\u043e\u043b\u044f\u0435\u0442 \u043c\u0435\u043d\u044f\u0442\u044c \u0444\u043e\u0440\u043c\u0443 \u0432\u044b\u0445\u043e\u0434\u043d\u043e\u0433\u043e \u0441\u0438\u0433\u043d\u0430\u043b\u0430.<\/p>\n<h3>\u041c\u0435\u0442\u043e\u0434 \u0441\u043a\u043e\u043b\u044c\u0437\u044f\u0449\u0435\u0433\u043e \u0441\u0440\u0435\u0434\u043d\u0435\u0433\u043e<\/h3>\n<p>  \u041f\u0440\u0438 \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u0438\u0438 \u043e\u0441\u043d\u043e\u0432\u043d\u043e\u0433\u043e \u043d\u0430\u043f\u0440\u0430\u0432\u043b\u0435\u043d\u0438\u044f \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0438\u0439 \u0441\u0438\u043b\u044c\u043d\u043e \u043e\u0441\u0446\u0438\u043b\u043b\u0438\u0440\u0443\u044e\u0449\u0435\u0439 \u043f\u043e\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u0438 \u0432\u043e\u0437\u043d\u0438\u043a\u0430\u0435\u0442 \u0437\u0430\u0434\u0430\u0447\u0430 \u0435\u0451 \u0441\u0433\u043b\u0430\u0436\u0438\u0432\u0430\u043d\u0438\u044f \u043c\u0435\u0442\u043e\u0434\u043e\u043c \u0441\u043a\u043e\u043b\u044c\u0437\u044f\u0449\u0435\u0433\u043e \u0441\u0440\u0435\u0434\u043d\u0435\u0433\u043e. \u042d\u0442\u043e \u043c\u043e\u0433\u0443\u0442 \u0431\u044b\u0442\u044c \u043f\u043e\u043a\u0430\u0437\u0430\u043d\u0438\u044f \u0434\u0430\u0442\u0447\u0438\u043a\u0430 \u0443\u0440\u043e\u0432\u043d\u044f \u0442\u043e\u043f\u043b\u0438\u0432\u0430 \u0432 \u0430\u0432\u0442\u043e\u043c\u043e\u0431\u0438\u043b\u0435 \u0438\u043b\u0438, \u043a\u0430\u043a \u0432 \u043d\u0430\u0448\u0435\u043c \u0441\u043b\u0443\u0447\u0430\u0435, \u0434\u0430\u043d\u043d\u044b\u0435 \u0432\u044b\u0441\u043e\u043a\u043e\u0447\u0430\u0441\u0442\u043e\u0442\u043d\u044b\u0445 \u0434\u0430\u0442\u0447\u0438\u043a\u043e\u0432 \u043e\u0442\u043d\u043e\u0441\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u0443\u0441\u043a\u043e\u0440\u0435\u043d\u043d\u043e\u0439 \u0434\u0435\u0433\u0440\u0430\u0434\u0430\u0446\u0438\u0438 \u043f\u043e\u0434\u0448\u0438\u043f\u043d\u0438\u043a\u043e\u0432. \u0417\u0430\u0434\u0430\u0447\u0443 \u043c\u043e\u0436\u043d\u043e \u0440\u0430\u0441\u0441\u043c\u0430\u0442\u0440\u0438\u0432\u0430\u0442\u044c, \u043a\u0430\u043a \u0432\u043e\u0441\u0441\u0442\u0430\u043d\u043e\u0432\u043b\u0435\u043d\u0438\u0435 \u043d\u0435\u043a\u043e\u0442\u043e\u0440\u043e\u0439 \u043f\u043e\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u0438 r, \u043d\u0430 \u043a\u043e\u0442\u043e\u0440\u0443\u044e \u0431\u044b\u043b \u043d\u0430\u043b\u043e\u0436\u0435\u043d \u0448\u0443\u043c. <\/p>\n<p>  \u041f\u0440\u043e\u0441\u0442\u043e\u0435 \u0441\u043a\u043e\u043b\u044c\u0437\u044f\u0449\u0435\u0435 \u0441\u0440\u0435\u0434\u043d\u0435\u0435 \u0441\u043e\u043a\u0440\u0430\u0449\u0451\u043d\u043d\u043e \u2014 SMA (Simple Moving Average). \u0414\u043b\u044f \u0432\u044b\u0447\u0438\u0441\u043b\u0435\u043d\u0438\u044f \u0442\u0435\u043a\u0443\u0449\u0435\u0433\u043e \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f \u0444\u0438\u043b\u044c\u0442\u0440\u0430 <math><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/300\/742\/edf\/300742edf17955ccd51dad394dde8966.svg\" alt=\"$r_{i}$\" data-tex=\"inline\"><\/math> \u043c\u044b \u043f\u0440\u043e\u0441\u0442\u043e \u0443\u0441\u0440\u0435\u0434\u043d\u044f\u0435\u043c \u043f\u0440\u0435\u0434\u044b\u0434\u0443\u0449\u0438\u0435 n \u044d\u043b\u0435\u043c\u0435\u043d\u0442\u043e\u0432 \u043f\u043e\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u0438, \u0441\u043e\u043e\u0442\u0432\u0435\u0442\u0441\u0442\u0432\u0435\u043d\u043d\u043e \u0444\u0438\u043b\u044c\u0442\u0440 \u043d\u0430\u0447\u0438\u043d\u0430\u0435\u0442 \u0440\u0430\u0431\u043e\u0442\u0430\u0442\u044c \u0441 \u044d\u043b\u0435\u043c\u0435\u043d\u0442\u0430 \u043f\u043e\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u0438 n.<\/p>\n<p>  <math><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/fa7\/d1e\/a0b\/fa7d1ea0b6a43d8c33fac7fb976c6c44.svg\" alt=\"$r_{i}=\\frac{1}{n}\\cdot \\sum_{j=1}^{n}y_{(i-j)};i&gt;n$\" data-tex=\"inline\"><\/math><\/p>\n<div class=\"spoiler\"><b class=\"spoiler_title\">\u041b\u0438\u0441\u0442\u0438\u043d\u0433<\/b><\/p>\n<div class=\"spoiler_text\">\n<pre><code class=\"python\">&lt;source lang=\"python\"&gt;from scipy import * import pandas as pd from pylab import * import pywt import scaleogram as scg def get_ave_values(xvalues, yvalues, n = 6):     signal_length = len(xvalues)     if signal_length % n == 0:         padding_length = 0     else:         padding_length = n - signal_length\/\/n % n     xarr = array(xvalues)     yarr = array(yvalues)     xarr.resize(signal_length\/\/n, n)     yarr.resize(signal_length\/\/n, n)     xarr_reshaped = xarr.reshape((-1,n))     yarr_reshaped = yarr.reshape((-1,n))     x_ave = xarr_reshaped[:,0]     y_ave = nanmean(yarr_reshaped, axis=1)     return x_ave, y_ave def plot_signal_plus_average(time, signal, average_over = 5):     fig, ax = subplots(figsize=(8, 4))     time_ave, signal_ave = get_ave_values(time, signal, average_over)         ax.plot(time_ave, signal_ave,\"b\", label = '\u0421\u043a\u043e\u043b\u044c\u0437\u044f\u0449\u0435\u0435 \u0441\u0440\u0435\u0434\u043d\u0435\u0435 \u0441\u0438\u0433\u043d\u0430\u043b\u0430 (n={})'.format(5))     ax.set_xlim([time[0], time[-1]])     ax.set_ylabel('\u0410\u043c\u043f\u043b\u0438\u0442\u0443\u0434\u0430 \u0441\u0438\u0433\u043d\u0430\u043b\u0430', fontsize=12)     ax.set_title('\u0424\u0438\u043b\u044c\u0442\u0440\u0430\u0446\u0438\u044f \u0441\u0438\u0433\u043d\u0430\u043b\u0430 \u043c\u0435\u0442\u043e\u0434\u043e\u043c \u0441\u043a\u043e\u043b\u044c\u0437\u044f\u0449\u0435\u0433\u043e \u0441\u0440\u0435\u0434\u043d\u0435\u0433\u043e SMA', fontsize=14)     ax.set_xlabel('\u0412\u0440\u0435\u043c\u044f', fontsize=12)     ax.legend()     return signal_ave filename = 'Test_set\/Bearing2_3\/acc_00001.csv' df = pd.read_csv(filename, header=None) df_nino = df[4].values N = df_nino.shape[0] time = arange(0, N)  signal = df_nino signal_ave=plot_signal_plus_average(time, signal)  wavelet = 'cmor1-0.5'  ax = ax = scg.cws(signal, scales=arange(1,40), wavelet=wavelet, figsize=(8, 4),cmap=\"jet\", ylabel='\u041f\u0435\u0440\u0438\u043e\u0434 ', xlabel=\"\u0412\u0440\u0435\u043c\u044f \", yscale=\"log\", title='CWT \u0441\u0438\u0433\u043d\u0430\u043b\u0430  %s \\n(\u0441\u043f\u0435\u043a\u0442\u0440 \u043c\u043e\u0449\u043d\u043e\u0441\u0442\u0438 \u0434\u043e \u0444\u0438\u043b\u044c\u0442\u0440\u0430\u0446\u0438\u0438 \u041c\u0421\u0421 )'%filename) ax = ax = scg.cws(signal_ave, scales=arange(1,40), wavelet=wavelet, figsize=(8, 4), cmap=\"jet\", ylabel='\u041f\u0435\u0440\u0438\u043e\u0434 ', xlabel=\"\u0412\u0440\u0435\u043c\u044f \", yscale=\"log\", title='CWT \u0441\u0438\u0433\u043d\u0430\u043b\u0430  %s \\n(\u0441\u043f\u0435\u043a\u0442\u0440 \u043c\u043e\u0449\u043d\u043e\u0441\u0442\u0438 \u043f\u043e\u0441\u043b\u0435 \u0444\u0438\u043b\u044c\u0442\u0440\u0430\u0446\u0438\u0438 \u041c\u0421\u0421)'%filename) show() <\/code><\/pre>\n<p>  <\/div>\n<\/div>\n<p>  <img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/dj\/r1\/jy\/djr1jyeyltohdhpij257vpmsk0u.png\"><br \/>  <img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/hd\/4n\/dy\/hd4ndykwienlrz68dnh4ijw7l-8.png\"><br \/>  <img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/0n\/xd\/d4\/0nxdd44imz5dmgwlvpfmbpf8o2i.png\"><br \/>  \u041c\u0435\u0442\u043e\u0434 SMA \u043f\u043e\u043b\u0443\u0447\u0438\u043b \u0448\u0438\u0440\u043e\u043a\u043e\u0435 \u0440\u0430\u0441\u043f\u0440\u043e\u0441\u0442\u0440\u0430\u043d\u0435\u043d\u0438\u0435, \u043d\u043e \u043a\u0430\u043a \u0438 \u043c\u0435\u0442\u043e\u0434 \u041a\u0430\u043b\u043c\u0430\u043d\u0430 \u043d\u0435 \u043f\u043e\u0437\u0432\u043e\u043b\u044f\u0435\u0442 \u043c\u0435\u043d\u044f\u0442\u044c \u0444\u043e\u0440\u043c\u0443 \u0432\u044b\u0445\u043e\u0434\u043d\u043e\u0433\u043e \u0441\u0438\u0433\u043d\u0430\u043b\u0430.<\/p>\n<h3>\u0412\u044b\u0432\u043e\u0434\u044b: <\/h3>\n<p>  1. \u0421 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u0435\u043c \u043c\u043e\u0434\u0443\u043b\u044f scaleogram \u043f\u043e\u043b\u0443\u0447\u0435\u043d\u044b CWT \u0432\u0435\u0439\u0432\u043b\u0435\u0442 \u0441\u043a\u0430\u043b\u043e\u0433\u0440\u0430\u043c\u043c\u044b \u0442\u0440\u0451\u0445 \u0442\u0435\u0441\u0442\u043e\u0432\u044b\u0445 \u0441\u0438\u0433\u043d\u0430\u043b\u043e\u0432 \u0432\u0438\u0431\u0440\u043e\u0434\u0430\u0442\u0447\u0438\u043a\u0430 \u0434\u043b\u044f \u0440\u0430\u0437\u043d\u044b\u0445 \u0443\u0441\u043b\u043e\u0432\u0438\u0439 \u0438\u0441\u043f\u044b\u0442\u0430\u043d\u0438\u0439 \u043f\u043e\u0434\u0448\u0438\u043f\u043d\u0438\u043a\u043e\u0432 \u043e\u0434\u043d\u043e\u0433\u043e \u0442\u0438\u043f\u0430. \u041f\u043e \u0434\u0430\u043d\u043d\u044b\u043c \u0441\u043a\u0430\u043b\u043e\u0433\u0440\u0430\u043c\u043c \u0432\u044b\u0431\u0440\u0430\u043d \u0441\u0438\u0433\u043d\u0430\u043b \u0441 \u044f\u0432\u043d\u043e \u0432\u044b\u0440\u0430\u0436\u0435\u043d\u043d\u044b\u043c\u0438 \u043f\u0440\u0438\u0437\u043d\u0430\u043a\u0430\u043c\u0438 \u043f\u043e\u0437\u0434\u043d\u0435\u0439 \u0434\u0435\u0433\u0440\u0430\u0434\u0430\u0446\u0438\u0438. \u042d\u0442\u043e\u0442 \u0441\u0438\u0433\u043d\u0430\u043b \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d \u0434\u043b\u044f \u0434\u0435\u043c\u043e\u043d\u0441\u0442\u0440\u0430\u0446\u0438\u0438 \u0440\u0430\u0431\u043e\u0442\u044b \u0444\u0438\u043b\u044c\u0442\u0440\u043e\u0432 \u0432\u043e \u0432\u0441\u0435\u0445 \u043f\u0440\u0438\u0432\u0435\u0434\u0435\u043d\u043d\u044b\u0445 \u043f\u0440\u0438\u043c\u0435\u0440\u0430\u0445.<br \/>  2. \u0420\u0430\u0441\u0441\u043c\u043e\u0442\u0440\u0435\u043d\u044b \u043c\u0435\u0442\u043e\u0434\u044b \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0438 PyWavelets \u0434\u043b\u044f DWT \u0434\u0435\u043a\u043e\u043d\u0441\u0442\u0440\u0443\u043a\u0446\u0438\u0438 \u0438 \u0432\u043e\u0441\u0441\u0442\u0430\u043d\u043e\u0432\u043b\u0435\u043d\u0438\u044f \u0441\u0438\u0433\u043d\u0430\u043b\u0430 \u0432\u0438\u0431\u0440\u043e\u0434\u0430\u0442\u0447\u0438\u043a\u0430 \u0441 \u043f\u0440\u0438\u043c\u0435\u043d\u0435\u043d\u0438\u0435\u043c \u043c\u043e\u0434\u0443\u043b\u0435\u0439 pywt.dwt(), pywt.idwt() \u0438 \u043c\u043e\u0434\u0443\u043b\u044f pywt.wavedec() \u0434\u043b\u044f \u0437\u0430\u0434\u0430\u043d\u043e\u0433\u043e \u0443\u0440\u043e\u0432\u043d\u044f \u0432\u0435\u0439\u0432\u043b\u0435\u0442\u0430.<br \/>  3. \u041d\u0430 \u043f\u0440\u0438\u043c\u0435\u0440\u0430\u0445 \u0440\u0430\u0441\u0441\u043c\u043e\u0442\u0440\u0435\u043d\u044b \u043e\u0441\u043e\u0431\u0435\u043d\u043d\u043e\u0441\u0442\u0438 \u043f\u0440\u0438\u043c\u0435\u043d\u0435\u043d\u0438\u044f \u043c\u043e\u0434\u0443\u043b\u044f pywt.threshol() \u0444\u0438\u043b\u044c\u0442\u0440\u0430\u0446\u0438\u0438 \u043a\u043e\u044d\u0444\u0444\u0438\u0446\u0438\u0435\u043d\u0442\u043e\u0432 DWT \u0434\u0435\u0442\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438, \u043e\u0442\u0432\u0435\u0447\u0430\u044e\u0449\u0438\u0445 \u0437\u0430 \u0432\u044b\u0441\u043e\u043a\u043e\u0447\u0430\u0441\u0442\u043e\u0442\u043d\u0443\u044e \u0447\u0430\u0441\u0442\u044c \u0441\u043f\u0435\u043a\u0442\u0440\u0430 \u0441 \u043f\u043e\u043c\u043e\u0449\u044c\u044e \u043f\u043e\u0440\u043e\u0433\u043e\u0432\u044b\u0445 \u0444\u0443\u043d\u043a\u0446\u0438\u0439 \u043f\u0440\u0438 \u0437\u0430\u0434\u0430\u043d\u043d\u043e\u0439 \u0432\u0435\u043b\u0438\u0447\u0438\u043d\u0435 \u043f\u043e\u0440\u043e\u0433\u0430.<br \/>  4. \u0420\u0430\u0441\u0441\u043c\u043e\u0442\u0440\u0435\u043d\u044b \u0432\u043b\u0438\u044f\u043d\u0438\u044f \u043f\u0435\u0440\u0432\u043e\u043e\u0431\u0440\u0430\u0437\u043d\u043e\u0439 DWT \u0432\u0435\u0439\u0432\u043b\u0435\u0442\u0430 \u043d\u0430 \u0444\u043e\u0440\u043c\u0443 \u0441\u0438\u0433\u043d\u0430\u043b\u0430, \u043e\u0447\u0438\u0449\u0435\u043d\u043d\u043e\u0433\u043e \u043e\u0442 \u0448\u0443\u043c\u043e\u0432.<br \/>  5. \u041f\u043e\u043b\u0443\u0447\u0435\u043d\u0430 \u043c\u043e\u0434\u0435\u043b\u044c \u0444\u0438\u043b\u044c\u0442\u0440\u0430 \u041a\u0430\u043b\u043c\u0430\u043d\u0430 \u0434\u043b\u044f \u0434\u0438\u043d\u0430\u043c\u0438\u0447\u0435\u0441\u043a\u043e\u0439 \u0441\u0440\u0435\u0434\u044b, \u043c\u043e\u0434\u0435\u043b\u044c \u043f\u0440\u043e\u0432\u0435\u0440\u0435\u043d\u0430 \u043d\u0430 \u0442\u0435\u0441\u0442\u043e\u0432\u043e\u043c \u0441\u0438\u0433\u043d\u0430\u043b\u0435 \u0432\u0438\u0431\u0440\u043e\u0434\u0430\u0442\u0447\u0438\u043a\u0430. \u0413\u0440\u0430\u0444\u0438\u043a \u0443\u0434\u0430\u043b\u0435\u043d\u0438\u044f \u0448\u0443\u043c\u0430 \u0441\u043e\u0432\u043f\u0430\u0434\u0430\u0435\u0442 \u0441 \u0430\u043d\u0430\u043b\u043e\u0433\u0438\u0447\u043d\u044b\u043c \u0433\u0440\u0430\u0444\u0438\u043a\u043e\u043c, \u043f\u043e\u043b\u0443\u0447\u0435\u043d\u043d\u044b\u043c \u0441 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u0435\u043c \u043c\u043e\u0434\u0443\u043b\u044f pyKalman. \u0425\u0430\u0440\u0430\u043a\u0442\u0435\u0440 \u0433\u0440\u0430\u0444\u0438\u043a\u0430 \u0441\u043e\u0432\u043f\u0430\u0434\u0430\u0435\u0442 \u0441\u043e \u0441\u043a\u0430\u043b\u043e\u0433\u0440\u0430\u043c\u043c\u043e\u0439.<br \/>  6. \u0420\u0430\u0441\u0441\u043c\u043e\u0442\u0440\u0435\u043d \u043c\u0435\u0442\u043e\u0434 \u0443\u0434\u0430\u043b\u0435\u043d\u0438\u044f \u0448\u0443\u043c\u0430 \u0438\u0437 \u0441\u0438\u0433\u043d\u0430\u043b\u0430 \u043d\u0430 \u043e\u0441\u043d\u043e\u0432\u0435 \u0441\u043a\u043e\u043b\u044c\u0437\u044f\u0449\u0435\u0433\u043e \u0441\u0440\u0435\u0434\u043d\u0435\u0433\u043e.<\/div>\n<p>               <script class=\"js-mediator-script\">!function(e){function t(t,n){if(!(n in e)){for(var r,a=e.document,i=a.scripts,o=i.length;o--;)if(-1!==i[o].src.indexOf(t)){r=i[o];break}if(!r){r=a.createElement(\"script\"),r.type=\"text\/javascript\",r.async=!0,r.defer=!0,r.src=t,r.charset=\"UTF-8\";var d=function(){var e=a.getElementsByTagName(\"script\")[0];e.parentNode.insertBefore(r,e)};\"[object Opera]\"==e.opera?a.addEventListener?a.addEventListener(\"DOMContentLoaded\",d,!1):e.attachEvent(\"onload\",d):d()}}}t(\"\/\/mediator.mail.ru\/script\/2820404\/\",\"_mediator\")}(window);<\/script>     <br \/> \u0441\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b \u0441\u0442\u0430\u0442\u044c\u0438 <a href=\"https:\/\/habr.com\/ru\/post\/459922\/\"> https:\/\/habr.com\/ru\/post\/459922\/<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"\n<div class=\"post__text post__text-html js-mediator-article\"><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/59\/zj\/kb\/59zjkb8gnd_phkp1allrzocs6by.png\"><br \/>  <a href=\"https:\/\/hal.archives-ouvertes.fr\/hal-00719503\/document\">\u0424\u043e\u0442\u043e \u0432\u0437\u044f\u0442\u043e \u0438\u0437 \u043f\u0443\u0431\u043b\u0438\u043a\u0430\u0446\u0438\u0438<\/a><\/p>\n<h3>\u0412\u0432\u0435\u0434\u0435\u043d\u0438\u0435<\/h3>\n<p>  \u041e\u0434\u043d\u0430 \u0438\u0437 \u043d\u0430\u0438\u0431\u043e\u043b\u0435\u0435 \u0430\u043a\u0442\u0443\u0430\u043b\u044c\u043d\u044b\u0445 \u0437\u0430\u0434\u0430\u0447 \u0446\u0438\u0444\u0440\u043e\u0432\u043e\u0439 \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438 \u0441\u0438\u0433\u043d\u0430\u043b\u043e\u0432 \u2013 \u0437\u0430\u0434\u0430\u0447\u0430 \u043e\u0447\u0438\u0441\u0442\u043a\u0438 \u0441\u0438\u0433\u043d\u0430\u043b\u0430 \u043e\u0442 \u0448\u0443\u043c\u0430. \u041b\u044e\u0431\u043e\u0439 \u043f\u0440\u0430\u043a\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0439 \u0441\u0438\u0433\u043d\u0430\u043b \u0441\u043e\u0434\u0435\u0440\u0436\u0438\u0442 \u043d\u0435 \u0442\u043e\u043b\u044c\u043a\u043e \u043f\u043e\u043b\u0435\u0437\u043d\u0443\u044e \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u044e, \u043d\u043e \u0438 \u0441\u043b\u0435\u0434\u044b \u043d\u0435\u043a\u043e\u0442\u043e\u0440\u044b\u0445 \u043f\u043e\u0441\u0442\u043e\u0440\u043e\u043d\u043d\u0438\u0445 \u0432\u043e\u0437\u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0439 \u043f\u043e\u043c\u0435\u0445\u0438 \u0438\u043b\u0438 \u0448\u0443\u043c\u0430. \u041a\u0440\u043e\u043c\u0435 \u044d\u0442\u043e\u0433\u043e, \u043f\u0440\u0438 \u0432\u0438\u0431\u0440\u043e\u0434\u0438\u0430\u0433\u043d\u043e\u0441\u0442\u0438\u043a\u0435 \u0432 \u0441\u0438\u0433\u043d\u0430\u043b\u0430\u0445 \u043e\u0442 \u0432\u0438\u0431\u0440\u043e\u0434\u0430\u0442\u0447\u0438\u043a\u043e\u0432 \u043a\u0440\u043e\u043c\u0435 \u043f\u043e\u043c\u0435\u0445 \u0438 \u0448\u0443\u043c\u0430 \u0441\u043e\u0434\u0435\u0440\u0436\u0438\u0442\u044c\u0441\u044f \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u044f \u043e \u0434\u0435\u0444\u0435\u043a\u0442\u0435, \u0430 \u0441\u0430\u043c \u0441\u0438\u0433\u043d\u0430\u043b \u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u043d\u0435 \u0441\u0442\u0430\u0446\u0438\u043e\u043d\u0430\u0440\u043d\u044b\u043c\u0438, \u0447\u0442\u043e \u0443\u0441\u043b\u043e\u0436\u043d\u044f\u0435\u0442 \u0437\u0430\u0434\u0430\u0447\u0443 \u0444\u0438\u043b\u044c\u0442\u0440\u0430\u0446\u0438\u0438 \u0441\u0438\u0433\u043d\u0430\u043b\u043e\u0432.<\/p>\n<p>  \u0421\u0443\u0449\u0435\u0441\u0442\u0432\u0443\u0435\u0442 \u043c\u043d\u043e\u0436\u0435\u0441\u0442\u0432\u043e \u0440\u0430\u0437\u043b\u0438\u0447\u043d\u044b\u0445 \u0441\u043f\u043e\u0441\u043e\u0431\u043e\u0432 \u0443\u0434\u0430\u043b\u0435\u043d\u0438\u044f \u0432\u044b\u0441\u043e\u043a\u043e\u0447\u0430\u0441\u0442\u043e\u0442\u043d\u043e\u0433\u043e \u0448\u0443\u043c\u0430 \u0438\u0437 \u0441\u0438\u0433\u043d\u0430\u043b\u0430. \u041d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0430 Scipy \u0441\u043e\u0434\u0435\u0440\u0436\u0438\u0442 \u0444\u0438\u043b\u044c\u0442\u0440\u044b, \u043e\u0441\u043d\u043e\u0432\u0430\u043d\u043d\u044b\u0435 \u043d\u0430 \u0440\u0430\u0437\u043b\u0438\u0447\u043d\u044b\u0445 \u043c\u0435\u0442\u043e\u0434\u0430\u0445 \u0444\u0438\u043b\u044c\u0442\u0440\u0430\u0446\u0438\u0438: \u041a\u0430\u043b\u043c\u0430\u043d\u0430; \u0441\u0433\u043b\u0430\u0436\u0438\u0432\u0430\u043d\u0438\u0435 \u0441\u0438\u0433\u043d\u0430\u043b\u0430 \u043f\u0443\u0442\u0451\u043c \u0435\u0433\u043e \u0443\u0441\u0440\u0435\u0434\u043d\u0435\u043d\u0438\u044f \u043f\u043e \u043e\u0441\u0438 \u0432\u0440\u0435\u043c\u0435\u043d\u0438, \u0438 \u0434\u0440\u0443\u0433\u0438\u0435.<\/p>\n<p>  \u041e\u0434\u043d\u0430\u043a\u043e, \u043f\u0440\u0435\u0438\u043c\u0443\u0449\u0435\u0441\u0442\u0432\u043e \u043c\u0435\u0442\u043e\u0434\u0430 \u0434\u0438\u0441\u043a\u0440\u0435\u0442\u043d\u043e\u0433\u043e \u0432\u0435\u0439\u0432\u043b\u0435\u0442 \u043f\u0440\u0435\u043e\u0431\u0440\u0430\u0437\u043e\u0432\u0430\u043d\u0438\u044f (DWT) \u0441\u043e\u0441\u0442\u043e\u0438\u0442 \u0432 \u043c\u043d\u043e\u0433\u043e\u043e\u0431\u0440\u0430\u0437\u0438\u0438 \u0444\u043e\u0440\u043c \u0432\u0435\u0439\u0432\u043b\u0435\u0442. \u041c\u043e\u0436\u043d\u043e \u0432\u044b\u0431\u0440\u0430\u0442\u044c \u0432\u0435\u0439\u0432\u043b\u0435\u0442, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0431\u0443\u0434\u0435\u0442 \u0438\u043c\u0435\u0442\u044c \u0444\u043e\u0440\u043c\u0443, \u0445\u0430\u0440\u0430\u043a\u0442\u0435\u0440\u043d\u0443\u044e \u0434\u043b\u044f \u043e\u0436\u0438\u0434\u0430\u0435\u043c\u044b\u0445 \u044f\u0432\u043b\u0435\u043d\u0438\u0439. \u041d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, \u043c\u043e\u0436\u043d\u043e \u0432\u044b\u0434\u0435\u043b\u0438\u0442\u044c \u0441\u0438\u0433\u043d\u0430\u043b \u0432 \u0437\u0430\u0434\u0430\u043d\u043d\u043e\u043c \u0447\u0430\u0441\u0442\u043e\u0442\u043d\u043e\u043c \u0434\u0438\u0430\u043f\u0430\u0437\u043e\u043d\u0435, \u0444\u043e\u0440\u043c\u0430 \u043a\u043e\u0442\u043e\u0440\u043e\u0433\u043e \u043e\u0442\u0432\u0435\u0447\u0430\u0435\u0442 \u0437\u0430 \u043f\u043e\u044f\u0432\u043b\u0435\u043d\u0438\u0435 \u0434\u0435\u0444\u0435\u043a\u0442\u0430.<\/p>\n<p>  <b>\u0426\u0435\u043b\u044c\u044e \u043d\u0430\u0441\u0442\u043e\u044f\u0449\u0435\u0439 \u043f\u0443\u0431\u043b\u0438\u043a\u0430\u0446\u0438\u0438<\/b> \u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u0430\u043d\u0430\u043b\u0438\u0437 \u043c\u0435\u0442\u043e\u0434\u043e\u0432 \u0444\u0438\u043b\u044c\u0442\u0440\u0430\u0446\u0438\u0438 \u0441\u0438\u0433\u043d\u0430\u043b\u043e\u0432 \u0432\u0438\u0431\u0440\u043e\u0434\u0430\u0442\u0447\u0438\u043a\u043e\u0432 \u0441 \u043f\u0440\u0438\u043c\u0435\u043d\u0435\u043d\u0438\u0435\u043c DWT \u043f\u0440\u0435\u043e\u0431\u0440\u0430\u0437\u043e\u0432\u0430\u043d\u0438\u044f \u0441\u0438\u0433\u043d\u0430\u043b\u0430, \u0444\u0438\u043b\u044c\u0442\u0440\u0430 \u041a\u0430\u043b\u043c\u0430\u043d\u0430 \u0438 \u043c\u0435\u0442\u043e\u0434\u0430 \u0441\u043a\u043e\u043b\u044c\u0437\u044f\u0449\u0435\u0433\u043e \u0441\u0440\u0435\u0434\u043d\u0435\u0433\u043e.<\/p>\n<h3>\u0418\u0441\u0445\u043e\u0434\u043d\u044b\u0435 \u0434\u0430\u043d\u043d\u044b\u0435 \u0434\u043b\u044f \u0430\u043d\u0430\u043b\u0438\u0437\u0430<\/h3>\n<p>  \u0412 \u043f\u0443\u0431\u043b\u0438\u043a\u0430\u0446\u0438\u0438 \u0440\u0430\u0431\u043e\u0442\u0443 \u0444\u0438\u043b\u044c\u0442\u0440\u043e\u0432 \u043e\u0441\u043d\u043e\u0432\u0430\u043d\u043d\u044b\u0445 \u043d\u0430 \u0440\u0430\u0437\u043b\u0438\u0447\u043d\u044b\u0445 \u043c\u0435\u0442\u043e\u0434\u0430\u0445 \u0444\u0438\u043b\u044c\u0442\u0440\u0430\u0446\u0438\u0438 \u0431\u0443\u0434\u0435\u043c \u0430\u043d\u0430\u043b\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044f <a href=\"https:\/\/ti.arc.nasa.gov\/tech\/dash\/groups\/pcoe\/prognostic-data-repository\/#femto\">\u043d\u0430\u0431\u043e\u0440 \u0434\u0430\u043d\u043d\u044b\u0445 \u041d\u0410\u0421\u0410<\/a>. \u0414\u0430\u043d\u043d\u044b\u0435 \u043f\u043e\u043b\u0443\u0447\u0435\u043d\u044b \u043d\u0430 \u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u0430\u043b\u044c\u043d\u043e\u0439 \u043f\u043b\u0430\u0442\u0444\u043e\u0440\u043c\u0435 PRONOSTIA:<\/p>\n<p>  <img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/yt\/bz\/9l\/ytbz9lrxw2h8roaaokvclm7qqgc.png\"><\/p>\n<p>  \u041d\u0430\u0431\u043e\u0440 \u0441\u043e\u0434\u0435\u0440\u0436\u0438\u0442 \u0434\u0430\u043d\u043d\u044b\u0435 \u043e \u0441\u0438\u0433\u043d\u0430\u043b\u0430\u0445 \u0432\u0438\u0431\u0440\u043e\u0434\u0430\u0442\u0447\u0438\u043a\u043e\u0432 \u043f\u043e \u0438\u0437\u043d\u043e\u0441\u0443 \u043f\u043e\u0434\u0448\u0438\u043f\u043d\u0438\u043a\u043e\u0432 \u0440\u0430\u0437\u043b\u0438\u0447\u043d\u044b\u0445 \u0442\u0438\u043f\u043e\u0432. \u041d\u0430\u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0435 \u043f\u0430\u043f\u043e\u043a \u0441 \u0444\u0430\u0439\u043b\u0430\u043c\u0438 \u0441\u0438\u0433\u043d\u0430\u043b\u043e\u0432 \u043f\u0440\u0438\u0432\u0435\u0434\u0435\u043d\u043e \u0432 <a href=\"https:\/\/hal.archives-ouvertes.fr\/hal-00719503\/document\">\u0442\u0430\u0431\u043b\u0438\u0446\u0435<\/a>: <\/p>\n<p>  <img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/2w\/ap\/wr\/2wapwr4x6xe5r-a2y2_nwc_oski.png\"><\/p>\n<p>  \u041c\u043e\u043d\u0438\u0442\u043e\u0440\u0438\u043d\u0433 \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u044f \u043f\u043e\u0434\u0448\u0438\u043f\u043d\u0438\u043a\u043e\u0432 \u043e\u0431\u0435\u0441\u043f\u0435\u0447\u0438\u0432\u0430\u0435\u0442\u0441\u044f \u0441\u0438\u0433\u043d\u0430\u043b\u0430\u043c\u0438 \u0434\u0430\u0442\u0447\u0438\u043a\u043e\u0432 \u0432\u0438\u0431\u0440\u0430\u0446\u0438\u0438 (\u0433\u043e\u0440\u0438\u0437\u043e\u043d\u0442\u0430\u043b\u044c\u043d\u044b\u043c \u0438 \u0432\u0435\u0440\u0442\u0438\u043a\u0430\u043b\u044c\u043d\u044b\u043c \u0430\u043a\u0441\u0435\u043b\u0435\u0440\u043e\u043c\u0435\u0442\u0440\u0430\u043c\u0438), \u0441\u0438\u043b\u044b \u0438 \u0442\u0435\u043c\u043f\u0435\u0440\u0430\u0442\u0443\u0440\u044b.<\/p>\n<p>  <img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/wl\/o1\/a0\/wlo1a0i6430fko-l5lijoa5tu4c.png\"><\/p>\n<p>  \u0421\u0438\u0433\u043d\u0430\u043b\u044b \u043f\u043e\u043b\u0443\u0447\u0435\u043d\u044b \u0434\u043b\u044f \u0442\u0440\u0451\u0445 \u0440\u0430\u0437\u043b\u0438\u0447\u043d\u044b\u0445 \u043d\u0430\u0433\u0440\u0443\u0437\u043e\u043a:<\/p>\n<ul>\n<li>\u041f\u0435\u0440\u0432\u044b\u0435 \u0440\u0430\u0431\u043e\u0447\u0438\u0435 \u0443\u0441\u043b\u043e\u0432\u0438\u044f: 1800 \u043e\u0431 \/ \u043c\u0438\u043d \u0438 4000 \u041d;<\/li>\n<li>\u0412\u0442\u043e\u0440\u044b\u0435 \u0440\u0430\u0431\u043e\u0447\u0438\u0435 \u0443\u0441\u043b\u043e\u0432\u0438\u044f: 1650 \u043e\u0431 \/ \u043c\u0438\u043d \u0438 4200 \u041d;<\/li>\n<li>\u0422\u0440\u0435\u0442\u044c\u0438 \u0440\u0430\u0431\u043e\u0447\u0438\u0435 \u0443\u0441\u043b\u043e\u0432\u0438\u044f: 1500 \u043e\u0431 \/ \u043c\u0438\u043d \u0438 5000 \u041d.<\/li>\n<\/ul>\n<p>  <\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[],"tags":[],"class_list":["post-293311","post","type-post","status-publish","format-standard","hentry"],"_links":{"self":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/293311","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=293311"}],"version-history":[{"count":0,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/293311\/revisions"}],"wp:attachment":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=293311"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=293311"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=293311"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}