主要内容

机器学习与信号深度学习

信号标签,功能工程,数据集生成

信号处理工具箱™提供用于机器学习和深度学习工作流的信号标签,特征工程和数据集生成的功能。

应用

信号分析仪 可视化和比较多个信号和光谱
信号贴标器 标签信号属性,地区和兴趣点
EDF文件分析仪 查看EDF或EDF +文件

职能

展开全部

LabeledSignalSet. 创建标记信号集
signallabledefinition. 创建信号标签定义
countlabels. 数量唯一标签数
folders2labels. 获取文件夹名称的标签列表
分裂标签 根据指定的比例查找拆分标签的索引
signermask. 修改和转换信号掩码并提取感兴趣的信号区域
binmask2sigroi. 将二进制掩码转换为ROI限制的矩阵
扩展冠军 向左和向右扩展兴趣的信号区域
提取物agroi. 提取利息信号区域
ergegroi. 合并信号区域
removesigroi. 删除感兴趣的信号区域
Shortensigroi. 缩短左右兴趣的信号区域
sigroi2binmask. 将ROI限制的转换为二进制掩码
edfinfo. 获取有关EDF / EDF +文件的信息
edfwrite. 创建或修改EDF或EDF +文件
Edfheader. 为EDF或EDF +文件创建标题结构
Edfread. 从EDF / EDF +文件中读取数据
SignalDataStore. 用于集合信号的数据存储
dlstft. 深度学习短时傅里叶变换
找到挑选 发现信号的突然变化
findpeaks. 找到当地的最大值
findsignal. 使用相似性搜索查找信号位置
FSST. 傅里叶同步性转换
挪用 估计瞬时带宽
instfreq. 估计瞬时频率
pentropy. 信号光谱熵
期刊 期间光谱密度估计
pkurtosis. 来自信号或频谱图的光谱峰度
Powerbw. 电力带宽
pspectrum. 分析频率和时频域中的信号
pwelch. Welch的功率谱密度估计

话题

选择一个应用程序来标记地面真实数据

决定用于标记地面真理数据的哪个应用程序:图像贴标器视频贴图地面真理贴标机Lidar Labeler.信号贴标器, 或者音符贴标程序

利用深度学习雷达和通信波形分类(相控阵系统工具箱)

此示例显示如何使用Wigner-Ville分布(WVD)和深卷积神经网络(CNN)对雷达和通信波形进行分类。

使用深度学习的行人和自行车分类(雷达工具箱)

使用深层学习网络和时频分析,根据其微多普勒特性进行分类行人和骑自行车的人。

使用小波时间散射的音乐流派分类(小波工具箱)

此示例显示如何使用小波时间散射和音频数据存储来对音乐摘录的类型进行分类。

小波时间散射对音盲数据的分类(小波工具箱)

此示例显示如何使用小波时间散射和支持向量机(SVM)分类器对人类音乐仪(PCG)录制进行分类。万博1manbetx

使用内存up upby urse

使用变换的数据存储在内存失气频谱图上培训口头识别网络。

相关信息

在Matlab中深入学习(深度学习工具箱)

使用深度学习序列分类(深度学习工具箱)

特色例子