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。工具箱包括用于连续小波分析、小波相干性、同步压缩和数据自适应时频分析的算法。工具箱还包括用于信号和图像的抽取和非抽取离散小波分析的应用程序和函数,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。
随着小波工具箱可以获取数据的稀疏表示,去噪或同时保留重要特征压缩数据是有用的。许多工具箱功能,支持C / C ++代码生成桌万博1manbetx面原型设计和嵌入式系统部署。
入门:
基于小波的深度学习技术
利用cwt生成时间序列数据的二维时频图,可以作为深度卷积神经网络(CNN)的输入。
参考例子
用实例来上手使用基于小波变换技术的机器学习和深入学习。
类
分析信号,在时间和频率上与连续小波共同图像变换(CWT)使用小波分析仪应用程序。使用小波相干揭示常见的随时间变化的模式。
利用小波同步压缩从信号中获得更清晰的分辨率并提取振荡模式。重构信号的时频局部逼近或滤除信号的时频局部分量。
恒-Q变换
使用非平稳Gabor帧和constant-Q变换(CQT)进行自适应时频分析。
抽取小波和小波包分析
执行抽取离散小波变换(DWT)来分析在逐渐变细的倍频带信号,图像和3D体积。
使用小波包变换,该信号和图像分区频率内容转换成逐渐变细的等宽的间隔,以保持全球能源和重建精确的功能。使用双树小波变换克服信号,图像和卷移位方差。
Data-Adaptive转换
分解或非线性的非平稳过程进入使用分解的经验模式振荡的固有模式(EMD)
上的信号以识别局部特征进行希尔伯特谱分析
正交和双正交滤波器组
使用正交小波滤波器组的Daubechies一样,Coiflet小波,哈尔和其他人进行多分辨率分析和特征检测
双正交样条、反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®编码器™生成独立的兼容ANSI C / C从小波工具箱™功能++代码已经能够支持C / C ++代码生成万博1manbetx
生成CUDA代码
使用GPU编码器™为支持GPU代码生成的函数生成优化的CUDA代码。万博1manbetx
Shearlets
自动生成图像的稀疏表示,用于深度学习和图像处理
时频画廊
研究时频分析方法的特点和局限性
GPU计算
使用GPU上的小波散射加速自动特征提取
机器和深度学习的例子
利用小波特征和分类器对信号进行分类
C / C ++代码生成
自动生成使用MATLAB编码器多信号离散小波分析代码
看到发行说明有关这些功能和相应功能的详细信息。