labeledSignalSet
创建标记信号集
描述
使用labeledSignalSet将标记信号与标记定义一起存储。使用创建信号标签定义signalLabelDefinition．
创建
语法
描述
lss= labeledSignalSet同时向集合中添加信号。使用addLabelDefinitions向集合中添加标签定义。
lss= labeledSignalSet (src）src．使用addLabelDefinitions向集合中添加标签定义。
lss= labeledSignalSet (src，lbldefs）src使用信号标签定义lbldefs．使用signalLabelDefinition创建信号标签定义。
输入参数
属性
对象的功能
addLabelDefinitions |
为标记信号集添加标签定义 |
同时 |
为标记的信号集添加成员 |
countLabelValues |
计数标签值 |
createDatastores |
创建指向信号和标签数据的数据存储 |
createFeatureData |
创建特征表或矩阵和响应向量 |
editLabelDefinition |
编辑标签定义属性 |
getAlternateFileSystemRoots |
当标记信号集的数据源是数据存储时，获取备用文件系统根 |
getLabelDefinitions |
获取标签信号集中的标签定义 |
getLabeledSignal |
从标记信号集中获取标记信号 |
getLabelIndices |
获取指向标签信号集中标签定义的标签索引 |
getLabelNames |
获取标签信号集中的标签名称 |
getLabelValues |
从标记信号集中获取标记值 |
getMemberNames |
获取标记信号集中的成员名 |
getSignal |
从标记的信号集中获取信号 |
头 |
获取标签表的顶部行 |
labelDefinitionsHierarchy |
获取标签和子标签名称的层次列表 |
labelDefinitionsSummary |
获取信号标签定义汇总表 |
合并 |
合并两个或多个标记信号集 |
removeLabelDefinition |
从标记信号集中删除标记定义 |
removeMembers |
从标记的信号集中移除成员 |
removePointValue |
从点标签中删除行 |
removeRegionValue |
从ROI标签中删除行 |
resetLabelValues |
将标签重置为默认值 |
setAlternateFileSystemRoots |
当标记信号集的数据源是数据存储时，设置备用文件系统根 |
setLabelValue |
在标签信号集中设置标签值 |
setMemberNames |
在标记信号集中设置成员名称 |
子集 |
得到带有成员子集的新标记信号集 |
例子
鲸鱼歌曲的标签定义
考虑一组鲸鱼的声音录音。记录的鲸鱼声音包括颤音和呻吟。颤音听起来像一连串的咔哒声。呻吟是一种低频的叫声，类似于船喇叭发出的声音。你需要观察每一个信号并标记它以识别鲸鱼的类型，颤音区域和呻吟区域。对于每个颤音区域，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。可能的种类有蓝鲸、座头鲸和白鲸。
dWhaleType = signalLabelDefinition(“WhaleType”，.．.“LabelType”，“属性”，.．.“LabelDataType”，“分类”，.．.“类别”, {“蓝”，“座头鲸”，“白色”}，.．.“描述”，“鲸鱼类型”）;
定义一个感兴趣区域(ROI)标签来捕获抱怨区域。定义另一个ROI标签来捕获颤音区域。
dMoans = signalLabelDefinition(“MoanRegions”，.．.“LabelType”，“投资回报”，.．.“LabelDataType”，“逻辑”，.．.“描述”，“发出呻吟声的区域”）;dTrills = signalLabelDefinition(“TrillRegions”，.．.“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。的子标签dTrills定义。
dTrillPeaks = signalLabelDefinition(“TrillPeaks”，.．.“LabelType”，“点”，.．.“LabelDataType”，“数字”，.．.“描述”，“颤音峰”）;dTrills。子标签= dTrillPeaks;
标记信号集
创建一个labeledSignalSet有鲸鱼信号和标签定义。添加标签值来识别鲸鱼的类型，呻吟和颤音区域，以及颤音的峰值。
负载labelwhalesignalslbldefs = [dWhaleType dMoans dTrills];lss = labeledSignalSet({whale1 whale2}，lbldefs，“MemberNames”, {“Whale1”，“Whale2”}，.．.“SampleRate”Fs,“描述”，“描述鲸鱼的歌唱区域”）;
将标签层次结构和标签属性可视化labelDefinitionsHierarchy而且labelDefinitionsSummary．
labelDefinitionsHierarchy (lss)
ans = 'WhaleType subblabels: [] MoanRegions subblabels: [] TrillRegions subblabels: TrillPeaks '
labelDefinitionsSummary (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}”“鲸鱼类型”“MoanRegions”“投资回报率”“逻辑”{[“N / A”]}{0 x0双}{0 x0双}{0 x0双}“呻吟”“地区发生“TrillRegions”“投资回报率”“逻辑”{["N/A"]} {0x0 double} {0x0 double} {1x1 signalLabelDefinition} "" "颤音发生的区域"
加载数据中的信号对应于两只蓝鲸的歌声。设置“WhaleType”两个信号的值。
setLabelValue (lss 1“WhaleType”，“蓝”）;setLabelValue (lss 2“WhaleType”，“蓝”）;
可视化“标签”财产。该表有新添加的“WhaleType”两个信号的值。
lss。标签
ans =2×3表WhaleType MoanRegions TrillRegions _________ ___________ ____________ Whale1 blue {0x2 table} {0x3 table} Whale2 blue {0x2 table} {0x3 table}
可视化区域标签
想象鲸鱼的歌声，以识别颤音和呻吟的区域。
subplot(2,1,1) plot((0:length(whale1)-1)/Fs,whale1) ylabel(“鲸鱼1”) subplot((0:length(whale2)-1)/Fs,whale2) ylabel(《鲸鱼2》）
呻吟区是持续的低频哀号。
whale1呻吟声集中在7秒，12秒，17秒。whale2呻吟声集中在3秒，7秒，16秒。
将呻吟区域添加到标记集。指定以秒为单位的ROI限制和标签值。
moanRegionsWhale1 = [6.1 7.7;11.4 - 13.1;16.5 - 18.1);mrsz1 = [size(moanRegionsWhale1,1) 1];setLabelValue (lss 1“MoanRegions”、moanRegionsWhale1真实(mrsz1));moanRegionsWhale2 = [2.5 3.5;5.8 8;15.4 - 16.7);mrsz2 = [size(moanRegionsWhale2,1) 1];setLabelValue (lss 2“MoanRegions”、moanRegionsWhale2真实(mrsz2));
颤音区有明显的声音爆发，不时被沉默打断。
whale1以2秒为中心发出颤音。whale2以12秒为中心发出颤音。
将颤音区域添加到标记集。
trillRegionWhale1 = [1.4 3.1];trsz1 = [size(trillRegionWhale1,1) 1];setLabelValue (lss 1“TrillRegions”、trillRegionWhale1真实(trsz1));trillRegionWhale2 = [11.1 13];trsz2 = [size(trillRegionWhale1,1) 1];setLabelValue (lss 2“TrillRegions”、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。为了更好的可视化，将标签值从逻辑更改为类别。
mr1 = getLabelValues(lss,1，“MoanRegions”）;mr1。值= category (repmat)“呻吟”mrsz1));tr1 = getLabelValues(lss,1，“TrillRegions”）;tr1。值= category (repmat)“颤音”trsz1));msk1 = signalMask([mr1;tr1]，“SampleRate”Fs);Subplot (2,1,1) plotsigroi(msk1,whale1) ylabel(“鲸鱼1”)举行在mr2 = getLabelValues(lss,2，)“MoanRegions”）;mr2。值= category (repmat)“呻吟”mrsz2));tr2 = getLabelValues(lss,2，“TrillRegions”）;tr2。值= category (repmat)“颤音”trsz2));msk2 = signalMask([mr2;tr2]，“SampleRate”Fs);Subplot (2,1,2) plotsigroi(msk2,whale2) ylabel(《鲸鱼2》)举行在
可视化点标签
为每个颤音区域标注三个峰值。对于点标签，指定点位置和标签值。在本例中，点的位置以秒为单位。
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”)举行从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”)举行从
探索标签价值
探索使用的标签值getLabelValues．
getLabelValues (lss)
ans =2×3表WhaleType MoanRegions TrillRegions _________ ___________ ____________ Whale1 blue {3x2 table} {1x3 table} Whale2 blue {3x2 table} {1x3 table}
检索标记集的第一个成员的呻吟区域。
getLabelValues (lss 1“MoanRegions”）
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, valuewithsubblabel] = getLabelValues(lss,1，)“TrillRegions”）
值=1×2表roelimits值__________ _____ 1.4 3.1 {[1]}
valueWithSublabel =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]}
找出与集合的第二个成员对应的第三个颤音峰值的值。
getLabelValues (lss 2 {“TrillRegions”，“TrillPeaks”}，.．.“LabelRowIndex”，1，“SublabelRowIndex”3)
ans =1×2表位置值 ________ __________ 11.437 {[0.1500]}
统计标签值并创建数据存储
使用MATLAB®指定作为mat文件包含的一组音频信号的路径。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(追加文件夹)“/ * .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。将采样速率变量名称设置为Fs，这对所有文件都是通用的。生成不包含该文件的数据存储的一个子集mtlb.mat．的源使用子集数据存储labeledSignalSet对象。
sds = signalDatastore(文件夹，“SampleRateVariableName”，“Fs”）;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，该标签适用于包含人声的信号。
定义一个数字点标签，标记每个信号最大值的位置和幅度。
定义一个分类感兴趣区域(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标记信号集。
vc = signalLabelDefinition(“声音”，“LabelType”，“属性”，.．.“LabelDataType”，“逻辑”，“DefaultValue”、假);mx = signalLabelDefinition(“最大”，“LabelType”，“点”，.．.“LabelDataType”，“数字”）;rs = signalLabelDefinition(“RanROI”，“LabelType”，“投资回报”，.．.“LabelDataType”，“分类”，“类别”，[“投资回报”“其他”]);addLabelDefinitions(lss，[vc mx rs])
标记信号:
标签
“handel.mat”而且“laughter.mat”因为有人类的声音。使用
islocalmax函数求每个信号的最大值。标明它的位置和价值。使用
randROI函数生成尽可能多的长度区域N/10个样本，以适合长度的信号N给定的最小分离N区域间/6个样本。标记它们的位置并将它们分配给ROI类别。
标记点和区域时，将样本值转换为时间值。减去1为MATLAB®数组索引，并除以采样率。
Kj = 1;而Hasdata (sds) [sig,info] = read(sds);fs = info.SampleRate;[~，fn] = fileparts(info.FileName);如果fn = =“汉德尔”| | fn = =“笑”setLabelValue (lss kj,“声音”,真正的)结束Xm = find(islocalmax(sig，“MaxNumExtrema”1));setLabelValue (lss kj,“最大”(xm-1)/fs,sig(xm)) N =长度(sig);rois = randROI(N,round(N/10)，round(N/6));setLabelValue (lss kj,“RanROI”、(rois-1) / fs repelem (“投资回报”，size(rois,1)) kj = kj+1;结束
确认只有两个信号包含声音。
countLabelValues (lss“声音”）
ans =2×3表声音数百分比_____ _____ _______ false 4 66.667 true 2 33.333
验证两个信号的最大振幅为1。
countLabelValues (lss“最大”）
ans =5×4表最大计数百分比MemberCount ______________________ ____________ ___________ 0.80000000000000004441 1 16.667 1 0.89113331915798421612 1 16.667 1 0.94730769230769229505 1 16.667 11 2 33.333 2 1.0575668990330560071 1 16.667 1.使用实例
验证每个信号有四个不重叠的感兴趣的随机区域。
countLabelValues (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对应的信息。
[sd,ld] = createDatastores(lss，[“声音”“RanROI”“最大”]);
使用数据存储中的信息绘制信号并显示它们的标签。
使用一个
signalMask对象以蓝色突出显示感兴趣的区域。用黄线标出最大值的位置。
在包含人声的信号中添加一个红色轴标签。
tiledlayout流而Hasdata (sd) [sg,nf] = read(sd);LBLS = read(ld);nexttile msk = signalMask(lbls{:}.)RanROI {:},“SampleRate”, nf.SampleRate);plotsigroi colorbar (msk, sg)从包含(”)参照线(lbls {:} .Maximum {:} .Location,.．.“线宽”2,“颜色”，“# EDB120”）如果lbls{:}。声音{:}ylabel (“表示”，“颜色”，“# D95319”）结束结束
函数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
版本历史
在R2018b中介绍
您也可以从以下列表中选择网站: