找到完全匹配

当你想找到的时候数值精确匹配信号，您可以使用strfind.来进行匹配。

例如，如果我们有一个数据向量:

数据= [1 4 3 2 55 2 3 11 5 2 55 2 3 1 6 4 2 55 2 3 1 6 4 2];

我们希望找到信号的位置：

信号= [55 2 3 1];

我们可以用strfind.只要信号和数据在数值上是精确的，找出信号在数据中存在的起始指数。

iStart = strfind(数据、信号)

istart =.1×3.5 11日18

找到最接近的匹配信号

strfind.适用于数值精确匹配。然而，当信号中可能存在量化噪声或其他伪影导致的错误时，这种方法就失败了。

例如，如果您有Sinusoid：

DATA = SIN（2 * PI *（0:25）/ 16）;

并且您想找到信号的位置：

信号= COS（2 * PI *（0:10）/ 16）;

strfind.无法在从第五个样本开始的数据中找到正弦信号:

iStart = strfind(数据、信号)

iStart = []

strfind.由于舍入误差，并不是所有的值在数值上都相等，因此无法在数据中找到信号。要看到这一点，从匹配区域的信号减去数据。

数据(5:15)信号

ans =1×1110.-15年×0 0 0 0.0555 0.0555 0 0.2220 0 0.2220 0

在1e-15的数量级上存在数字差异。

要解决这个问题，可以使用findsignal，默认情况下，默认横跨数据扫描信号，并计算在每个位置本地的信号和数据之间的平方差的和，查找最低和。

要生成显示最佳匹配位置的信号和数据图，可以调用findsignal如下:

findsignal（数据，信号）

在阈值下找到最接近的匹配

默认findsignal始终返回与数据的最接近的匹配。要返回多个匹配项，您可以指定最大和平方差的绑定。

数据= SIN（2 * PI *（0：100）/ 16）;信号= COS（2 * PI *（0:10）/ 16）;findsignal（数据，信号，'maxdistance'，1E-14）

findsignal返回次数的排序顺序匹配

[iStart, iStop, distance] = findsignal(数据，信号，距离)'maxdistance'1 e-14);fprintf（'iStart iStop总距离的平方\n'）

它等于总距离的平方

fprintf（'％4i％5i％.7g \ n', (iStart;iStop;距离)

53 63 0 69 79 0 85 95 0 5 15 1.776357e-15 21 31 1.776357e-15 37 47 1.776357e-15

变偏置复杂信号轨迹的搜索

下一个例子展示了如何使用findsignal找到追踪已知轨迹的信号。文件“cursiveex.mat”包含笔尖的X和Y位置的记录，因为它在一张纸上追踪“磷光”一词。x，y数据分别被编码为复杂信号的实数和虚部。

加载CursiveEx.情节(数据)包含(“真实”的) ylabel (图像放大的）

与模板信号相同的作者将字母“p”追踪。

情节(信号)标题(“信号”)包含(“真实”的) ylabel (图像放大的）

您可以很容易地找到数据中的第一个“p”findsignal。这是因为信号值在数据开始时排列得相当好。

findsignal（数据，信号）

然而，第二个“P”有两个特征，使其难以实现findsignal识别:它从第一个字母有一个显著但恒定的偏移，字母的部分被绘制在不同的速度比模板信号。

如果您有兴趣匹配信件的整体形状，可以从信号和数据元素中减去窗口的本地均值。这允许您减轻恒定偏移的效果。

为了减轻绘制字母的不同速度的影响，您可以使用动态时间翘曲，这将将信号或数据拉伸到常用时基数，因为它执行搜索：

findsignal（数据，信号，'timealignment'那“dtw”那......“归一化”那'中央'那......“NormalizationLength”600，......'maxnumsegments', 2)

寻找延长时间的电力信号

下一个例子展示了如何使用findsignal找出口语单词在短语中的位置。

以下文件包含短语的音频录制：“加速工程和科学步伐”以及同一扬声器的“工程”的单独音频录制。

加载口号soundsc(短语、fs) soundsc (hotword fs)

相同的发言者常见的是，在句子或短语中改变个别口语单词的发音。在此示例中的扬声器用两种不同的方式发音为“工程”：扬声器大约需要0.5秒钟才能发出短语中的单词，强调第二个音节（“en-gin-eer-ing”）;同样的扬声器暂停0.75秒才能孤立发音，强调第三个音节（“en-gin-eer-ing”）。

为了弥补这些局部和体积的这些局部变化，可以使用频谱图，以报告跨越时光的频谱功率分布。

首先，使用一个具有相当粗糙的频率分辨率的谱图。这样做是为了故意模糊声道的窄波段声门脉冲，只留下口腔和鼻腔的宽频共振不受干扰。这可以让你锁定一个单词的发音元音。辅音(尤其是爆破音和擦音)很难用声谱图来识别。下面的代码计算一个声谱图

Nwindow = 64;Nstride = 8;β= 64;Noverlap = Nwindow - Nstride;[~，~，~，PxxPhrase] = spectrogram(phrase, kaiser(Nwindow,Beta)， novlap);[~，~，~，PxxHotWord] =谱图(hotword, kaiser(Nwindow,Beta)， novlap);

现在您有短语和搜索单词的频谱图，您可以使用动态时间扭曲以解释字长的本地变体。同样，您可以通过使用与对称kullback-leibler距离结合使用功率归一化来计算电源的变化。

[Istart，Istop] = findsignal（pxxphrase，pxxhot字，......“归一化”那'力量'那'timealignment'那“dtw”那“指标”那“symmkl”）

istart = 1144.

istop = 1575

绘制并播放已识别的单词。

findsignal (PxxPhrase PxxHotWord,“归一化”那'力量'那......'timealignment'那“dtw”那“指标”那“symmkl”）

soundsc(短语(Nstride * istart-Nwindow / 2: Nstride * istop + Nwindow / 2), fs)