signalLabelDefinition
创建信号标签定义
描述
使用signalLabelDefinition为数据集创建信号标签定义。标签可以对应于属性、区域或感兴趣的点。使用矢量signalLabelDefinition对象来创建labeledSignalSet．
创建
描述
输入参数
属性
对象的功能
labelDefinitionsHierarchy |
获取标签和子标签名的分层列表 |
labelDefinitionsSummary |
获取信号标签定义的汇总表 |
例子
鲸鱼歌曲的标签定义
考虑一组鲸鱼录音。记录的鲸鱼声音包括颤音和呻吟。颤音听起来像一连串的咔哒声。呻吟这是一种低频叫声，类似于轮船的喇叭声。你想要观察每个信号并标记它来识别鲸鱼的类型，颤音区域和呻吟区域。对于每个颤音区域，还需要标记高于某个阈值的信号峰值。
信号标签定义
定义一个属性标签来存储鲸鱼类型。可能的分类是蓝鲸、座头鲸和白鲸。
dWhaleType = signalLabelDefinition(“WhaleType”，.．.“LabelType”，“属性”，.．.“LabelDataType”，“分类”，.．.“类别”, {“蓝”，“座头鲸”，“白色”}，.．.“描述”，“鲸鱼类型”）;
定义一个感兴趣区域(ROI)标签来捕获呻吟区域。定义另一个ROI标签以捕获颤音区域。
dMoans = signalLabelDefinition(“MoanRegions”，.．.“LabelType”，“投资回报”，.．.“LabelDataType”，“逻辑”，.．.“描述”，“呻吟发生的区域”）;dTrills = signalLabelDefinition(“TrillRegions”，.．.“LabelType”，“投资回报”，.．.“LabelDataType”，“逻辑”，.．.“描述”，“颤音发生的区域”）;
最后，定义一个点标签来捕获颤音峰值。属性的子标签dTrills定义。
dTrillPeaks = signalLabelDefinition(“TrillPeaks”，.．.“LabelType”，“点”，.．.“LabelDataType”，“数字”，.．.“描述”，“颤音峰”）;dTrills。子标签= dTrillPeaks;
标记信号集
创建一个labeledSignalSet有鲸鱼信号和标签定义。添加标签值以识别鲸鱼的类型、呻吟和颤音区域以及颤音的峰值。
负载labelwhalesignalslbldefs = [dWhaleType dMoans dTrills];lss = labeledSignalSet({鲸鱼1鲸鱼2}，lbldefs，“MemberNames”, {“Whale1”，“Whale2”}，.．.“SampleRate”Fs,“描述”，“描绘鲸鱼歌唱区域的特征”）;
可视化使用的标签层次结构和标签属性labelDefinitionsHierarchy而且labelDefinitionsSummary．
labelDefinitionsHierarchy (lss)
ans = 'WhaleType subblabels: [] MoanRegions subblabels: [] TrillRegions subblabels: TrillPeaks '
labelDefinitionsSummary (lss)
ans =3×9表LabelName LabelType LabelDataType类别ValidationFunction DefaultValue Sublabels标签描述 ______________ ___________ _____________ ____________ __________________ ____________ ___________________________ ___ ____________________________ " WhaleType”“属性”“分类”{3 x1字符串}{【“N / A”】}{0 x0双}{0 x0双}”“鲸鱼类型”“MoanRegions”“投资回报率”“逻辑”{[“N / A”]}{0 x0双}{0 x0双}{0 x0双}“呻吟”“地区发生“TrillRegions”“投资回报率”“逻辑”{["N/A"]} {0x0 double} {0x0 double} {1x1 signalLabelDefinition} ""颤音发生的区域"
加载数据中的信号与两只蓝鲸的歌声相对应。设置“WhaleType”两个信号的值。
setLabelValue (lss 1“WhaleType”，“蓝”）;setLabelValue (lss 2“WhaleType”，“蓝”）;
可视化“标签”财产。该表有新添加的内容“WhaleType”两个信号的值。
lss。标签
ans =2×3表WhaleType MoanRegions TrillRegions _________ ___________ ____________鲸鱼1蓝色{0x2表}{0x3表}鲸鱼2蓝色{0x2表}{0x3表}
可视化区域标签
想象鲸鱼的歌声来识别颤音和呻吟的区域。
subplot(2,1,1) plot((0:length(whale1)-1)/Fs,whale1) ylabel(“鲸鱼1”) subplot(2,1,2) plot((0:length(whale2)-1)/Fs,whale2) ylabel(《鲸鱼2》）
呻吟区是持续的低频哀号。
whale1呻吟集中在7秒，12秒和17秒。whale2呻吟集中在3秒，7秒和16秒。
将呻吟区域添加到标记集。指定以秒为单位的ROI限制和标签值。
moanRegionsWhale1 = [6.1 7.7;11.4 - 13.1;16.5 - 18.1);mrsz1 = [size(moanRegionsWhale1,1) 1];setLabelValue (lss 1“MoanRegions”、moanRegionsWhale1真实(mrsz1));moanRegionsWhale2 = [2.5 3.5;5.8 8;15.4 - 16.7);mrsz2 = [size(moanRegionsWhale2,1) 1];setLabelValue (lss 2“MoanRegions”、moanRegionsWhale2真实(mrsz2));
颤音区有明显的声音爆发，间或有沉默。
whale1有一个颤音中心约2秒。whale2颤音集中在12秒左右。
将颤音区域添加到标记集。
trillRegionWhale1 = [1.4 3.1];trsz1 = [size(trillRegionWhale1,1) 1];setLabelValue (lss 1“TrillRegions”、trillRegionWhale1真实(trsz1));trillRegionWhale2 = [11.1 13];trsz2 = [size(trillRegionWhale1,1) 1];setLabelValue (lss 2“TrillRegions”、trillRegionWhale2真实(trsz2));
创建一个signalMask对象为每个鲸鱼的歌曲，并使用它来可视化和标记不同的区域。为了更好地可视化，请将标签值从逻辑更改为分类。
mr1 = getLabelValues(lss,1，“MoanRegions”）;mr1。Value = categorical(repmat(“呻吟”mrsz1));tr1 = getLabelValues(lss,1，“TrillRegions”）;tr1。Value = categorical(repmat(“颤音”trsz1));msk1 = signalMask([mr1;tr1]，“SampleRate”Fs);Subplot (2,1,1) plotsigroi(msk1,whale1) ylabel(“鲸鱼1”)举行在mr2 = getLabelValues(lss,2，“MoanRegions”）;mr2。Value = categorical(repmat(“呻吟”mrsz2));tr2 = getLabelValues(lss,2，“TrillRegions”）;tr2。Value = categorical(repmat(“颤音”trsz2));msk2 = signalMask([mr2;tr2]，“SampleRate”Fs);Subplot (2,1,2) plotsigroi(msk2,whale2) ylabel(《鲸鱼2》)举行在
可视化点标签
为每个颤音区域标注三个峰值。对于点标签，指定点位置和标签值。在本例中，点位置以秒为单位。
peakLocsWhale1 = [1.553 1.626 1.7];peakValsWhale1 = [0.211 0.254 0.211];setLabelValue (lss 1 {“TrillRegions”，“TrillPeaks”}，.．.peakLocsWhale1 peakValsWhale1,“LabelRowIndex”1);次要情节(2,1,1)情节(peakLocsWhale1 peakValsWhale1,“v”)举行从peakLocsWhale2 = [11.214 11.288 11.437];peakValsWhale2 = [0.119 0.14 0.15];setLabelValue (lss 2 {“TrillRegions”，“TrillPeaks”}，.．.peakLocsWhale2 peakValsWhale2,“LabelRowIndex”1);次要情节(2,1,2)情节(peakLocsWhale2 peakValsWhale2,“v”)举行从
探索标签值
探索使用的标签值getLabelValues．
getLabelValues (lss)
ans =2×3表WhaleType MoanRegions TrillRegions _________ ___________ ____________ Whale1蓝{3x2表}{1x3表}Whale2蓝{3x2表}{1x3表}
检索标记集合的第一个成员的呻吟区域。
getLabelValues (lss 1“MoanRegions”）
ans =3×2表ROILimits价值 ____________ _____ 11.4 - 13.1 6.1 - 7.7 {[1]} {[1]} 16.5 - 18.1 {[1]}
使用第二个输出参数列出标签的子标签。
[value, valuewithsubblabel] = getLabelValues(lss,1，“TrillRegions”）
值=1×2表ROILimits值__________ _____ 1.4 3.1 {[1]}
valueWithSublabel =1×3表ROILimits价值Sublabels TrillPeaks __________ _____ ___________ 1.4 - 3.1 {[1]} {3 x2表}
若要检索子标签中的值，请将标签名表示为两个元素的数组。
getLabelValues (lss 1 {“TrillRegions”，“TrillPeaks”})
ans =3×2表位置值 ________ __________ 1.553 {[0.2110]} 1.626 1.7 {[0.2540]} {[0.2110]}
求集合中第二个成员对应的第三个颤音峰值的值。
getLabelValues (lss 2 {“TrillRegions”，“TrillPeaks”}，.．.“LabelRowIndex”，1，“SublabelRowIndex”3)
ans =1×2表位置值 ________ __________ 11.437 {[0.1500]}
统计标签值并创建数据存储
使用MATLAB®指定包含在mat文件中的一组音频信号的路径。每个文件包含一个信号变量和一个采样率。列出文件的名称。
文件夹= fullfile(matlabroot，“工具箱”，“matlab”，“音视频”）;LST = dir(追加(文件夹，“/ * .mat”));NMS = {lst(:).name}'
nms =7 x1细胞{的唧唧声。垫的}{'gong.mat' } {'handel.mat' } {'laughter.mat'} {'mtlb.mat' } {'splat.mat' } {'train.mat' }
创建指向指定文件夹的信号数据存储。将采样速率变量名称设置为Fs，这对所有文件都是通用的。生成不包含该文件的数据存储的子集mtlb.mat．类的源使用子集数据存储labeledSignalSet对象。
sds = signalDatastore“SampleRateVariableName”，“Fs”）;SDS =子集(SDS，~strcmp)“mtlb.mat”));lss = labeledSignalSet(sds);
创建三个标签定义来标记信号:
为包含人声的信号定义一个为真逻辑属性标签。
定义一个数值点标签，标记每个信号最大值的位置和幅度。
定义一个分类感兴趣区域(ROI)标签，以挑选出每个信号的非重叠、均匀长度的随机区域。
将信号标签定义添加到标记信号集中。
vc = signalLabelDefinition(“声音”，“LabelType”，“属性”，.．.“LabelDataType”，“逻辑”，“DefaultValue”、假);mx = signalLabelDefinition(“最大”，“LabelType”，“点”，.．.“LabelDataType”，“数字”）;rs =信号abeldefinition (“RanROI”，“LabelType”，“投资回报”，.．.“LabelDataType”，“分类”，“类别”，[“投资回报”“其他”]);addLabelDefinitions(lss，[vc mx rs])
标记信号:
标签
“handel.mat”而且“laughter.mat”就像拥有人类的声音。使用
islocalmax函数求每个信号的最大值。标记它的位置和值。使用
randROI函数生成尽可能多的长度区域N/10个样本，以适应信号的长度N给定最小的分离N/6个区域之间的样本。标记它们的位置并将它们分配给ROI类别。
在标记点和区域时，将样本值转换为时间值。减去1以考虑MATLAB®数组索引，并除以采样率。
Kj = 1;而Hasdata (sds) [sig,info] = read(sds);fs = info.SampleRate;[~，fn] = fileparts(info.FileName);如果fn = =“汉德尔”| | fn = =“笑”setLabelValue (lss kj,“声音”,真正的)结束Xm = find(islocalmax(sig，“MaxNumExtrema”1));setLabelValue (lss kj,“最大”，(xm-1)/fs,sig(xm)) N = length(sig);rois = randROI(N,round(N/10)，round(N/6));setLabelValue (lss kj,“RanROI”、(rois-1) / fs repelem (“投资回报”，size(rois,1))) kj = kj+1;结束
验证只有两个信号包含人声。
countLabelValues (lss“声音”）
ans =2×3表语音计数百分比_____ _____ _______ false 4 66.667 true 2 33.333
验证两个信号的最大振幅为1。
countLabelValues (lss“最大”）
ans =5×4表Maximum Count Percent MemberCount ______________________ ____________ ___________ 0.80000000000000004441 1 16.667 1 0.89113331915798421612 1 16.667 1 0.94730769230769229505 1 16.667 11 2 33.333 2 1.0575668990330560071 1 16.667 1
验证每个信号有四个不重叠的感兴趣的随机区域。
countLabelValues (lss“RanROI”）
ans =2×4表RanROI计数MemberCount百分比 ______ _____ _______ ___________ ROI 24 100 6 0 0 0
用标记信号集中的数据创建两个数据存储:
的
signalDatastore对象sd包含信号数据。的
arrayDatastore对象ld包含标签信息。指定您希望包含与您创建的所有标签相对应的信息。
[sd,ld] = createDatastores(lss，[“声音”“RanROI”“最大”]);
使用数据存储中的信息来绘制信号并显示它们的标签。
使用一个
signalMask对象以蓝色突出显示感兴趣的区域。用黄线标出极大值的位置。
在包含人声的信号中添加一个红色轴标签。
tiledlayout流而Hasdata (sd) [sg,nf] = read(sd);LBLS = read(ld);nexttile msk = signalMask(lbls{:}。RanROI {:},“SampleRate”, nf.SampleRate);plotsigroi colorbar (msk, sg)从包含(”)参照线(lbls {:} .Maximum {:} .Location,.．.“线宽”2,“颜色”，“# EDB120”）如果lbls{:}。声音{:}ylabel (“表示”，“颜色”，“# D95319”）结束结束
函数roilims = randROI(N,wid,sep) num = floor((N+sep)/(wid+sep));总部= histcounts (randi (num + 1, 1, N-num * wid - (num-1) * 9), (1: num + 2) 1/2);roilims = (1 + (0: num-1) * (wid + 9) + cumsum(总部(1:num)))”+ [0 wid-1];结束
版本历史
在R2018b中引入
您也可以从以下列表中选择一个网站: