小波工具箱
使用小波分析和合成信号和图像
小波工具箱™提供用于分析和合成信号和图像的功能和应用。该工具箱包括用于连续小波分析,小波相干性,同步序列和数据自适应时频分析的算法。该工具箱还包括应用程序和图像的抽取和非分离离散小波分析的应用和函数,包括小波包和双树变换。
使用连续小波分析,您可以探索光谱特征如何随时间演变,在两个信号中识别常见的时变模式,并执行时间局域滤波。使用离散小波分析,您可以分析不同分辨率的信号和图像,以检测变化点、不连续点和其他在原始数据中不容易看到的事件。万博 尤文图斯您可以在多个尺度上比较信号统计,并对数据进行分形分析以揭示隐藏的模式。
使用小波工具箱你可以获得数据的稀疏表示,对于去噪或压缩数据很有用,同时保留重要的特征。许多工具箱函数支持C/ c++代码生成,用于桌万博1manbetx面原型和嵌入式系统部署。
开始:
基于小波的深度学习技术
利用连续小波分析生成时间序列数据的二维时频图,可作为深度卷积神经网络(CNN)的输入。
参考例子
使用示例以使用基于小波的技术进行机器学习和深度学习的技术。
连续小波变换
利用小波分析仪应用程序,利用连续小波变换(CWT)对信号、图像进行时间和频率联合分析。利用小波相干揭示常见的时变模式。
使用小波SynchroSqueezing从信号中获取更清晰的分辨率并提取振荡模式。重建信号的时频定期近似信号或过滤输出时间局部化频率分量。
常q变换
使用具有恒定Q变换(CQT)的非间断Gabor帧进行自适应时频分析。
非分析的小波和小波包分析
实现像固定小波变换(SWT)一样的非分析小波变换,最大重叠离散小波变换(MODWT),以及最大重叠小波包变换。
使用信号多分辨率分析仪App生成并比较信号的多电平小波或经验模式分解。
数据自适应变换
使用像经验模式分解(EMD)等技术和变分模式分解(VMD)的技术将非线性或非平稳过程分解为内在振荡模式。
对信号进行Hilbert频谱分析以识别局部特征。
正交和双正交滤波器银行
使用正交小波滤波器组如Daubechies, Coiflet, Haar等来执行多分辨率分析和特征检测。
双正交滤波器组如双正交样条和反样条可以用于数据压缩。
提升
提升还提供了一种用于在信号或图像上实现离散小波变换的计算上有效的方法。
使用提升方法设计第一和第二代小波。提升还提供了用于分析不同分辨率或尺度的信号和图像的计算上有效的方法。万博 尤文图斯
生成C / C ++代码
使用matlab.®Coder™要从Wavelet Toolbox™功能生成独立的ANSI标准的C / C ++代码,该函数已启用以支持C / C ++代码生成。万博1manbetx
生成优化的CUDA代码,在NVIDIA gpu上运行支持的功能。万博1manbetx
经验小波变换
使用全自动频谱分割进行自适应信号分解
CWT边际
获得时间平均和尺度平均小波谱并可视化
GPU加速
使用GPU加速包括离散小波和时频变换的功能
C / c++代码生成
生成去噪、离散小波分析和时频函数的C/ c++代码。
GPU代码生成
为离散小波分析功能生成CUDA代码。
看到发行说明有关这些功能的详细信息和相应的功能。