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。标签可以对应属性、区域或感兴趣的点。使用向量signalLabelDefinition对象创建一个LabeledSignalSet.．
创造
描述
输入参数
性质
对象功能
labelDefinitionsHierarchy |
获取标签和子标签名称的层次列表 |
标签定义概述 |
获取信号标签定义的汇总表 |
例子
鲸鱼歌曲的标签定义
想想一组鲸鱼的声音录音。记录下来的鲸鱼声音包括颤音和呻吟声。颤音听起来像是一连串的咔哒声。呻吟低频哭泣与船角的声音类似。您想查看每个信号并将其标记以识别鲸鲸类型，颤音区域和呻吟区域。对于每个TRILL区域，您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=信号标签定义(“WhalType”那...'labeltype'那'属性'那...'labeldatatype'那“绝对的”那...“类别”,(“蓝色”“座头鲸”“白色的”]，...'描述'那'鲸型'）;
定义一个感兴趣区域(ROI)标签来捕获抱怨区域。定义另一个ROI标签来捕获颤音区域。
dMoans = signalLabelDefinition (“MoanRegions”那...'labeltype'那“投资回报率”那...'labeldatatype'那'逻辑'那...'描述'那呻吟的地区发生了“); dTrills=信号标签定义(“TrillRegions”那...'labeltype'那“投资回报率”那...'labeldatatype'那'逻辑'那...'描述'那“颤音出现的区域”）;
最后，定义点标签以捕获速率峰值。将此标签设置为SublabeldTrills定义。
dtrillpeaks = signallabeldefinition（“颤音峰”那...'labeltype'那“点”那...'labeldatatype'那“数字”那...'描述'那'trill山峰'); dTrills.Sublabels=dtrillpeak；
标记信号集
创建一个LabeledSignalSet.用鲸鱼信号和标签定义。添加标签值来识别鲸鱼类型，呻吟和颤音区域，以及颤音的峰值。
加载labelwhalesignalslbldefs=[dWhaleType dMoans DTRILL]；lss=标签信号集（{whale1 whale2}，lbldefs，“MemberNames”，{“Whale1”“Whale2”}，...“采样器”Fs,'描述'那'表征波浪歌曲区域'）;
使用可视化标签层次结构和标签特性labelDefinitionsHierarchy和标签定义概述．
labelDefinitionsHierarchy (lss)
ans ='whaletype sublabels：[] moanregions sublabels：[] Trillregions sublabels：trillpeaks'
labelDefinitionsSummary (lss)
ans=3×9表LabelName LabelType LableDataType类别验证功能DefaultValue Sublabels标记说明____________________________________________________________________________________________trype“{3x1字符串} {0x0 double} {0x0 double} {0x0 double}”““鲸鱼类型”“Moanregions”“ROI”“逻辑”{[“n / a”] {0x0 double} {0x0 double} {0x0 double} {0x0 double}“”呻吟的区域“，呻吟声”“roilregions”“ROI”“逻辑”逻辑“{[”n / a“]} {0x0 double} {0x0 double} {0x0 double} {1x1 signallabeldefefinition}”“arrills发生的区域”
加载数据中的信号对应于两只蓝鲸的歌声。设定“WhalType”两个信号的值。
setLabelValue (lss 1“WhalType”那'蓝色'）;setlabelvalue（lss，2，“WhalType”那'蓝色'）;
可视化“标签”财产。表中有新添加的“WhalType”两个信号的值。
lss.labels.
ans=2×3表WhaleType MoanRegions TrillRegions _________ ___________ ____________ Whale1 blue {0x2 table} {0x3 table} Whale2 blue {0x2 table} {0x3 table}
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。
子图（2,1,1）图（（0：长度（鲸鲸）-1）/ fs，whale1）ylabel（'鲸鱼1') subplot(2,1,2) plot((0:length(whale2)-1)/Fs,whale2) ylabel('鲸鱼2'）
呻吟地区是持续的低频哀号。
鲸鱼呻吟声集中在7秒、12秒和17秒左右。鲸鱼有呻吟率为约3秒，7秒和16秒。
将呻吟区域添加到标记集。指定ROI限制(以秒为单位)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，true（mrsz1））;moanregionswhale2 = [2.5 3.5;5.8 8;15.4 16.7];MRSZ2 = [大小（MoanRegionsWhale2,1）1];setlabelvalue（lss，2，“MoanRegions”，moanregionswhale2，true（mrsz2））;
颤音地区默默地有明显的声音爆发。
鲸鱼在大约2秒内速降了速降。鲸鱼以12秒为中心的颤音。
将Trill区域添加到标记的集合。
trillRegionWhale1 = [1.4 3.1];trsz1 = [size(trillRegionWhale1,1) 1];setLabelValue (lss 1“TrillRegions”，trillregionwhale1，true（trsz1））;trillregionwhale2 = [11.1 13];trsz2 = [size（trillregionwhale1,1）1];setlabelvalue（lss，2，“TrillRegions”，trillRegionWhale2，true（trsz2））；
创建一个信号屏蔽对象，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。值=分类(repmat (“呻吟”mrsz1));tr1 = getLabelValues (lss 1“TrillRegions”); tr1.Value=分类（repmat(“颤音”trsz1));msk1 = signalMask ([mr1; tr1],“采样器”Fs);次要情节(2,1,1)plotsigroi msk1, whale1 ylabel ('鲸鱼1')举行在mr2 = getLabelValues (lss 2“MoanRegions”）;mr2。值=分类(repmat (“呻吟”，mrsz2）；tr2=GetLabelValue（lss，2，“TrillRegions”）;tr2。值=分类(repmat (“颤音”，trsz2））;MSK2 =信号掩模（[MR2; TR2]，“采样器”Fs);次要情节(2,1,2)plotsigroi msk2, whale2 ylabel ('鲸鱼2')举行在
可视化点标签
为每个颤音区域标记三个峰值。对于点标签，您可以指定点位置和标签值。在本例中，点的位置是以秒为单位的。
peakLocsWhale1=[1.5531.6261.7]；Peakvalswale1=[0.211 0.254 0.211]；setLabelValue（lss，1[“棘手”“颤音峰”]，...peakLocsWhale1，peakValsWhale1，'labelrowindex'，1）;子图（2,1,1）绘图（Peaklocswhale1，peakvalswhale1，'v')举行从peaklocswhale2 = [11.214 11.288 11.437];peakvalswhale2 = [0.119 0.14 0.15];setlabelvalue（lss，2，[“棘手”“颤音峰”]，...peakLocsWhale2，peakValsWhale2，'labelrowindex'，1）;子图（2,1,2）绘图（Peaklocswhale2，peakvalswhale2，'v')举行从
探索标签值
使用查看标签值getLabelValues．
getLabelvalues（LSS）
ans=2×3表WhaleType MoanRegions三区{uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuul1蓝色{3x2表格}Whale2蓝色{3x2表格}1x3表格}
检索标记集的第一个成员的moan区域。
GetLabelValue（lss，1，“MoanRegions”）
ans=3×2表roilimits值_________________ 6.1 7.7 {[1]} 11.4 13.1 {[1]} 16.5 18.1 {[1]}
使用第二个输出参数列出标签的子标签。
(价值,valueWithSublabel) = getLabelValues (lss 1“TrillRegions”）
值=1×2表Roilimits值__________ _____ 1.4 3.1 {[1]}
valueWithSublabel =1×3表Roilimits Value Sublabels Trillpeaks __________ _____________ 1.4 3.1 {[1]} {3x2表}
要检索sublabel中的值，请将标签名称作为双元数组表示。
getlabelvalues（lss，1，[“棘手”“颤音峰”]）
ans=3×2表位置值{[0.2110]}1.626{[0.2540]}1.7{[0.2110]}
找到与集合的第二个成员对应的第三串峰值的值。
getLabelvalues（LSS，2，[“棘手”“颤音峰”]，...'labelrowindex'1.“SublabelRowIndex”3，3）
ans=1×2表位置值{[0.1500]}
统计标签值并创建数据存储
使用MATLAB®指定包含作为MAT文件的一组音频信号的路径。每个文件都包含一个信号变量和采样率。列出文件的名称。
文件夹= fullfile（matlabroot，“工具箱”那“matlab”那“音频视频”); lst=dir（追加（文件夹、，“/*。垫”））;nms = {lst（:)。name}'
nms =7x1细胞{'chirp.mat'} {'gong.mat'} {'handel.mat'} {'笑声.mat'} {'mtlb.mat'} {'mtlb.mat'} {'splat.mat'} {'train.mat'}
创建指向指定文件夹的信号数据存储。将采样率变量名称设置为FS.，这对所有文件都是常见的。生成排除文件的数据存储的子集mtlb.mat. 使用subset datastore as the source for aLabeledSignalSet.对象。
sds = signalDatastore(文件夹,“samplerevariablename”那“Fs”）;sds =子集(sds ~ strcmp (nms,“mtlb.mat”)); lss=标签信号集（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逻辑属性标签。
定义数字点标签，标记每个信号的最大位置和幅度。
定义一个分类感兴趣区域（ROI）标签，以挑出每个信号的非重叠、等长随机区域。
将信号标签定义添加到标记的信号集中。
vc = signalLabelDefinition (“语音”那'labeltype'那'属性'那...'labeldatatype'那'逻辑'那“默认值”、假);mx = signalLabelDefinition (“最大”那'labeltype'那“点”那...'labeldatatype'那“数字”）;rs = signalLabelDefinition (“ranroi”那'labeltype'那“投资回报率”那...'labeldatatype'那“绝对的”那“类别”，[“roi”“其他”]); addLabelDefinitions（lss、[vc mx rs]）
标记信号：
标签
“handel.mat”和'笑声..就像有人类的声音一样。使用
islocalmax.函数查找每个信号的最大值。标记其位置和值。使用
randROI函数生成多个长度区域N/ 10样品可以适合长度的信号N给定最小的分离N/6个区域间样本。标记他们的位置，并分配给ROI类别。
当标记点和区域时，将样本值转换为时间值。减去1以说明MATLAB®数组索引，并除以样本率。
kj = 1;而Hasdata（SDS）[SIG，INFO] =读取（SDS）;FS = INFO.SAMPLEDE;[〜，fn] = fileparts（info.filename）;如果fn==“汉德尔”| | fn = =“笑”setlabelvalue（lss，kj，“语音”,真正的)结尾xm = find（iSlocalmax（SIG，“MaxNumExtrema”，1））;setlabelvalue（lss，kj，“最大”，（xm-1）/fs，sig（xm））N=长度（sig）；投资回报率=随机投资回报率（N，整数（N/10），整数（N/6））；setLabelValue（lss，kj，“ranroi”，（rois-1）/ fs，repelem（“roi”，size(rois,1)) kj = kj+1;结尾
确认只有两个信号包含语音。
countLabelValues (lss“语音”）
ans=2×3表语音计数百分比_____ _____ _______ _ _____ false 4 66.667 TRUE 2 33.333
确认两个信号的最大振幅为1。
countLabelValues (lss“最大”）
ans=5×4表最大计数百分比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随机感兴趣区域。
countLabelValues (lss“ranroi”）
ans=2×4表RanROI计数百分比成员计数uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu
使用标记信号集中的数据创建两个数据存储：
这
信号数据存储目的sd包含信号数据。这
arrayDatastore目的ld包含标签信息。指定要包含与所创建的所有标签对应的信息。
[SD，LD] = CreateDataStore（LSS，[“语音”“ranroi”“最大”]);
使用数据存储中的信息绘制信号并显示它们的标签。
使用
信号屏蔽对象突出蓝色的兴趣区域。绘制黄线以标记最大值的位置。
向包含人声的信号添加红色轴标签。
Tiledlayout.流动而hasdata（SD）[SG，NF] =读取（SD）;LBLS =读（LD）;nextdile msk = signalmask（lbls {：}。ranroi {：}，“采样器”，nf.取样器）；plotsigroi（msk、sg）颜色条从Xlabel（''）[x，y] = meshgrid（lbls {：}。最大{：}。位置，ylim）;抓住在情节(X, Y,“线宽”2，'颜色'那“# EDB120”)举行从如果lbls {：}。声音{：} ylabel（“表示”那'颜色'那'＃d95319'）结尾结尾
函数roilims=randROI（N，wid，sep）num=楼层（（N+sep）/（wid+sep））；hq=历史计数（随机数（num+1,1，N-num*wid-（num-1）*sep），（1:num+2）-1/2）；roilims=（1+（0:num-1）*（wid+sep）+cumsum（hq（1:num））”+[0-wid-1]；结尾
你也可以从以下列表中选择一个网站:
