小波工具箱
利用小波分析和合成信号和图像
小波工具箱™提供了分析和合成信号和图像的功能和应用程序。工具箱包括连续小波分析、小波相干、同步压缩和数据自适应时频分析的算法。该工具箱还包括用于抽取和非抽取信号和图像的离散小波分析的应用程序和功能,包括小波包和双树变换。
使用连续小波分析,您可以探索光谱特征如何随时间演变,识别两个信号中常见的时变模式,并执行时域滤波。使用离散小波分析,您可以分析不同分辨率的信号和图像,以检测在原始数据中不容易看到的变化点、不连续点和其他事件。万博 尤文图斯您可以在多个尺度上比较信号统计数据,并对数据执行分形分析以揭示隐藏的模式。
使用小波工具箱,你可以获得数据的稀疏表示,有用的去噪或压缩数据,同时保留重要的特征。许多工具箱函数支持用于桌面原型设计和嵌入式系统万博1manbetx部署的C/ c++代码生成。
开始:
基于小波的深度学习技术
使用连续小波分析生成时间序列数据的二维时频图,可作为深度卷积神经网络(CNN)的输入。
参考例子
请举例说明如何使用基于小波的技术进行机器学习和深度学习。
连续小波变换
利用小波分析软件,使用连续小波变换(CWT)在时间和频率上联合分析信号、图像。利用小波相干性来揭示常见的时变模式。
利用小波同步压缩从信号中获得更清晰的分辨率和提取振荡模式。重构信号的时频局部逼近或滤除时频局部分量。
常q变换
使用恒定q变换(CQT)的非平稳Gabor帧进行自适应时频分析。
抽取小波和小波包分析
执行抽取的离散小波变换(DWT)分析信号,图像和三维体积逐步细化的八度频带。
利用小波包变换将信号和图像的频率内容分割成逐渐变窄的等宽间隔,同时保持数据的整体能量。使用双树小波变换来获得移位不变量,最小冗余的信号和图像离散小波分析。
非抽取小波和小波包分析
实现非抽取小波变换,如平稳小波变换(SWT),最大重叠离散小波变换(MODWT),最大重叠小波包变换。
使用信号多分辨率分析器App生成和比较信号的多电平小波或经验模式分解。
Data-Adaptive转换
使用经验模态分解(EMD)和变分模态分解(VMD)等技术将非线性或非平稳过程分解为振荡的固有模态。
对信号进行Hilbert谱分析,识别局部特征。
正交和双正交滤波器组
使用Daubechies、Coiflet、Haar等正交小波滤波器组进行多分辨率分析和特征检测。
双正交样条和反向样条等双正交滤波器组可用于数据压缩。
生成C / c++代码
使用MATLAB®Coder™从支持C/ c++代码生成的小波工具箱™函数中生成独立的ansi兼容的C/ c++代码。万博1manbetx
生成优化的CUDA代码运行在NVIDIA gpu支持的功能。万博1manbetx
时频分析
利用变分模分解提取固有模态
Kingsbury Q-shift双树复小波变换
执行位移不变和方向敏感离散多分辨率分析与最小冗余
1-D多信号离散小波包变换
自动对多通道信号进行小波包分析
新的例子
连续小波分析和多分辨率分析的实践介绍
wcoherence
函数
在用户指定的频率或周期范围内计算小波相干性
GPU计算
加速连续小波变换和维格纳-维尔分布
GPU的代码生成
生成cwt的单精度代码
C / c++代码生成:
自动生成编码用于离散小波分析、时频分析、去噪、多尺度方差估计和单精度编码cwtfilterbank
看到发布说明有关这些特性及其相应功能的详细信息。