信号标签定义
创建信号标签定义
描述
使用信号标签定义为数据集创建信号标签定义。标签可以对应于属性、区域或关注点。使用信号标签定义对象来创建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称的分层列表 |
labelDefinitionsSummary |
获取信号标签定义的汇总表 |
例子
鲸鱼歌曲的标签定义
考虑一组鲸鱼的声音记录。鲸鱼的声音由颤音和呻吟组成。颤音听起来像是一连串的咔哒声。呻吟是类似于轮船喇叭声的低频叫声。你要观察每一个信号，并给它贴上标签，以识别鲸鱼的类型，颤音区和呻吟区。对于每个颤音区域，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。可能的类别是蓝鲸、座头鲸和白鲸。
dWhaleType = signalLabelDefinition (“WhaleType”，．..“LabelType”，“属性”，．..“LabelDataType”，“分类”，．..“类别”, [“蓝色”“座头鲸”“白色”］，．..“描述”，“鲸鱼类型”）;
定义一个感兴趣区域（ROI）标签以捕获呻吟区域。定义另一个ROI标签以捕获颤音区域。
dMoans=信号标签定义(“摩恩区”，．..“LabelType”，“投资回报”，．..“LabelDataType”，“逻辑”，．..“描述”，“发出呻吟声的区域”）;dTrills = signalLabelDefinition (“三区”，．..“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。属性的子标签数字钻孔定义。
dTrillPeaks = signalLabelDefinition (“TrillPeaks”，．..“LabelType”，“点”，．..“LabelDataType”，“数字”，．..“描述”，“颤音峰”）;dTrills。Sublabels = dTrillPeaks;
标记信号设置
创建一个labeledSignalSet使用鲸鱼信号和标签定义。添加标签值以识别鲸鱼类型、呻吟和颤音区域以及颤音峰值。
负载labelwhalesignalslbldefs = [dWhaleType dMoans dTrills];lss = labeledSignalSet({whale1 whale2}，lbldefs，“成员名称”,{“Whale1”“Whale2”}，．..“SampleRate”，财政司司长，“描述”，“描述波浪歌曲区域”）;
使用。可视化标签层次结构和标签属性labelDefinitionsHierarchy和labelDefinitionsSummary．
labelDefinitionsHierarchy（lss）
ans = 'WhaleType子标签:[]MoanRegions子标签:[]TrillRegions子标签:TrillPeaks '
标签定义概要（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}””“鲸鱼输入"MoanRegions" "roi" "logical" {["N/A"]} {0x0 double} {0x0 double} {0x0 double} "" "发生呻吟的区域"" TrillRegions" "roi" "" logical" {["N/A"]} {0x0 double} {0x0 double} {1x1 signalLabelDefinition} ""发生颤音的区域"
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”）;
想象“标签”属性。该表具有新添加的“WhaleType”两个信号的值。
lss。标签
ans =2×3表WhaleType MoanRegions TrillRegions{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区域。
次要情节(2,1,1)情节((0:长度(whale1) 1) / Fs, whale1) ylabel (“鲸鱼1”)子地块（2,1,2）图（（0:length（whale2）-1）/Fs，whale2）标签(《鲸鱼2》）
呻吟区是持续的低频哭声。
whale1呻吟的时间集中在7秒、12秒和17秒。whale2它的呻吟集中在3秒、7秒和16秒。
将moan区域添加到标记集。以秒为单位指定ROI限制和标签值。
MOANREGIONSHALE1=[6.17.7；11.413.1；16.518.1]；mrsz1=[size（MOANREGIONSHALE1,1）1]；setLabelValue（lss，1，“摩恩区”、moanRegionsWhale1真实(mrsz1));moanRegionsWhale2 = [2.5 3.5;5.8 8;15.4 - 16.7);mrsz2 = [size(moanRegionsWhale2,1) 1];setLabelValue (lss 2“摩恩区”、moanRegionsWhale2真实(mrsz2));
颤音区域有明显的爆发声，被寂静打断。
whale1以2秒为中心的颤音。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，“三区”、trillRegionWhale1真实(trsz1));trillRegionWhale2 = [11.1 13];trsz2 = [size(trillRegionWhale1,1) 1];setLabelValue (lss 2“三区”、trillRegionWhale2真实(trsz2));
创建一个signalMask对象，并使用它来可视化和标记不同的区域。为了更好地显示，请将标签值从逻辑更改为分类。
mr1 = getLabelValues (lss 1“摩恩区”)；mr1.值=分类（repmat）(“呻吟”，mrsz1）；tr1=GetLabelValue（lss，1，“三区”）;tr1。值=分类(repmat (“颤音”，trsz1）；msk1=信号掩码（[mr1；tr1]，“SampleRate”子地块（2,1,1）plotsigroi（msk1，whale1）ylabel(“鲸鱼1”)持有在…上mr2=GetLabelValue（lss，2，“摩恩区”); mr2.值=分类（repmat(“呻吟”mrsz2));tr2 = getLabelValues (lss 2“三区”)；tr2.Value=分类（repmat(“颤音”trsz2));msk2 = signalMask ([mr2; tr2],“SampleRate”子地块（2,1,2）plotsigroi（msk2，whale2）ylabel(《鲸鱼2》)持有在…上
可视化点标签
为每个颤音区域标记三个峰值。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”)持有关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”)持有关
探索标签值
使用的标签值GetLabelValue．
getLabelValues (lss)
ans =2×3表Whale1 blue {3x2 table} {1x3 table} Whale2 blue {3x2 table} {1x3 table}
为标记集的第一个成员检索呻吟区域。
getLabelValues (lss 1“摩恩区”）
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，valueWithSublabel]=GetLabelValue（lss，1，“三区”）
价值观=1×2表ROILimits值__________ _____ 1.4 3.1 {[1]}
带有子标签的值=1×3表ROILimits价值Sublabels TrillPeaks __________ _____ ___________ 1.4 - 3.1 {[1]} {3 x2表}
要检索子标签中的值，请将标签名称表示为一个双元素数组。
getLabelValues (lss 1“TrillRegions”“TrillPeaks”]）
ans =3×2表位置值 ________ __________ 1.553 {[0.2110]} 1.626 1.7 {[0.2540]} {[0.2110]}
找出第三个颤音峰值对应于集合的第二个成员。
getLabelValues (lss 2“TrillRegions”“TrillPeaks”］，．..“LabelRowIndex”, 1“子标签LowIndex”3)
ans =1×2表位置值 ________ __________ 11.437 {[0.1500]}
计算标签值并创建数据存储
使用MATLAB®指定一组音频信号的路径，包括在MAT-files中。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(添加文件夹,“/ * .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。设置采样率变量名称为Fs，这对所有文件都是通用的。生成排除该文件的数据存储的子集mtlb.mat。将子集数据存储用作labeledSignalSet对象
sds=信号数据存储（文件夹，“SampleRateVariableName”，“财政司司长”)；sds=子集（sds，~strcmp（nms，“mtlb.mat”));lss = labeledSignalSet (sds);
创建三个标签定义来标记信号：
定义一个逻辑属性标签，用于包含人类声音的信号。
定义一个数字点标签，标记每个信号的最大位置和幅度。
定义分类感兴趣区域(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已标记的信号集。
vc=信号标签定义(“声音”，“LabelType”，“属性”，．..“LabelDataType”，“逻辑”，“DefaultValue”，false）；mx=信号标签定义(“最大值”，“LabelType”，“点”，．..“LabelDataType”，“数字”); rs=信号标签定义(“RanROI”，“LabelType”，“投资回报”，．..“LabelDataType”，“分类”，“类别”,[“投资回报”“其他”]）;(vc mx rs) addLabelDefinitions (lss)
标签的信号:
标签
“汉德尔·马特”和“laughter.mat”拥有人类的声音。使用
islocalmax函数查找每个信号的最大值。标记它的位置和值。使用
兰德罗函数生成尽可能多的长度区域N/10个样本，以适合一个长度的信号N给定最小间隔N/6个区域之间的样本。标记其位置并将其分配给投资回报率类别。
标记点和区域时，将采样值转换为时间值。减去1表示MATLAB®数组索引，然后除以采样率。
kj=1；虽然Hasdata (sds) [sig,info] = read(sds);fs = info.SampleRate;[~, fn] = fileparts (info.FileName);如果fn = =“汉德尔”||fn==“笑声”setLabelValue (lss kj,“声音”，对）结束xm =找到(islocalmax(团体,“MaxNumExtrema”1));setLabelValue (lss kj,“最大值”，(xm-1)/fs,sig(xm)) N = length(sig);roi = randROI (N (N / 10),圆(N / 6));setLabelValue (lss kj,“RanROI”、(rois-1) / fs repelem (“投资回报”，尺寸（ROI，1）））kj=kj+1；结束
确认只有两个信号包含声音。
可计数值（lss，“声音”）
ans =2×3表语音统计百分比_____ _____ _______假4 66.667真2 33.333
验证两个信号的最大振幅为1。
可计数值（lss，“最大值”）
ans =5×4表最大计数百分比MemberCount\uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu0.8000000000004411 16.667 1 0.89113915798421611 16.667 1 0.9473076923072951 16.667.667.051
确认每个信号有四个不重叠的随机感兴趣区域。
可计数值（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。指定要包含与所创建的所有标签相对应的信息。
(sd, ld) = createDatastores (lss, (“声音”“RanROI”“最大值”]）;
使用数据存储中的信息绘制信号并显示其标签。
使用一个
signalMask对象以蓝色高亮感兴趣的区域。用黄线标出最大值的位置。
为包含人声的信号添加一个红色轴标签。
tiledlayout流虽然Hasdata (sd) [sg,nf] = read(sd); / /读取数据lbls =阅读(ld);nexttile msk = signalMask(lbls{:}。RanROI {:},“SampleRate”, nf.SampleRate);plotsigroi colorbar (msk, sg)关包含(＇＇) (X, Y) = meshgrid (lbls {:} .Maximum {:} .Location, ylim);持有在…上图（X，Y，“线宽”2,“颜色”，"EDB120")持有关如果lbls{:}。声音{:}ylabel (“声音”，“颜色”，“# D95319”）结束结束
功能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
您还可以从以下列表中选择网站：
