小波工具箱
分析和综合用的子波信号和图像
小波工具箱™提供的功能和应用程序进行分析和综合信号和图像。该工具箱包括用于连续小波分析算法，小波相干，synchrosqueezing，和数据的自适应时间 - 频率分析。该工具箱还包括用于信号和图像，包括小波包和双树变换抽取和nondecimated离散小波分析的应用程序和功能。
使用连续小波分析，可以探索特征如何光谱随时间的演变，在两个信号确定共同随时间变化的模式，并执行时间局部化滤波。使用离散小波分析，你可以在不同的分辨率分析信号和图像检测changepoints，不连续性，以及其他事件中的原始数据不容易观察。万博 尤文图斯您可以在多尺度比较信号的统计数据，并进行数据揭示了隐藏在图案的分形分析。
使用小波工具箱可以获得数据的稀疏表示，这对于去噪或压缩数据同时保留重要的特征非常有用。许多工具箱函数支持用于桌面原型和嵌入式系统部署万博1manbetx的C/ c++代码生成。
开始:
基于小波时间散射的音乐类型分类
深学习基于小波变换技术
使用英担以产生的时间序列数据，其可被用作具有深卷积神经网络（CNN）输入的2D时间 - 频率映射。
分类时间序列的小波分析和深入学习
参考示例
使用例子来开始使用基于小波的机器学习和深度学习技术。
数字分类与小波分析
CWT
利用小波分析软件，利用连续小波变换对信号、图像进行时间和频率的联合分析，利用小波相干性揭示常见的时变规律。
获得从小波synchrosqueezing的信号更清晰的分辨率和提取物的振荡模式。重构时间 - 频率的局部信号或滤波器近似出时间局部化频率分量。
金融数据的小波分析
常q变换
使用与恒定-Q非平稳的Gabor帧变换（CQT）执行自适应时间 - 频率分析。
恒定q非平稳Gabor变换
抽取小波和小波包分析
执行抽取的离散小波变换(DWT)来分析信号、图像和逐步细化的倍频带中的三维体积。
利用小波包变换，将信号和图像的频率内容逐步分割成更细的等宽区间，以保存全局能量并重建准确的特征。利用对偶树小波变换克服信号、图像和体积的移位方差。
1-d小波分解
Nondecimated小波和小波包分析
实施nondecimated小波变换等的平稳小波变换（SWT），最大重叠离散小波变换（MODWT）和最大重叠小波包变换。
使用信号多分辨率分析仪App分析和比较信号的多级小波分解。
MODWT使用信号分析仪多分辨率应用
数据自适应变换
利用经验分解模式(EMD)将非线性或非平稳过程分解为固有的振荡模式
对信号进行希尔伯特谱分析，识别局部特征
经验模式分解
正交和双正交滤波器组
利用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
双正交滤波器组等双正交花键和花键相反的，可用于数据压缩
双正交尺度函数和小波
去噪信号与小波降噪信号
生成C / C ++代码
使用MATLAB®编码器™生成独立的ansi兼容的C/ c++代码从小波工具箱™功能，已启用支持C/ c++代码生成万博1manbetx
生成信号去噪代码
生成CUDA代码
使用GPU编码器™来生成优化的CUDA代码函数，支持GPU代码生成。万博1manbetx
在GPU上运行的优化代码
Shearlets
产生深刻的学习和图像处理图像的稀疏表示自动
时频图库
检查的时频分析方法的特点和局限
GPU计算
加速基于小波变换的gpu特征提取
机器和深度学习的例子
使用小波导出的特征与分类器分类信号
C / c++代码生成
使用MATLAB编码器自动生成多信号离散小波分析的代码
看到发布说明对任何这些特征和对应的功能的详细说明。
