主要内容

使用信号

多分辨率分析、小波时间散射、连续小波变换、非离散小波变换、Wigner-Ville分布、mel谱图

小波散射使您能够生成最小化差异的低方差数据表示之内保持可分辨性的类穿过课程。小波散射需要很少有用户指定的参数来生成数据的紧凑表示，这些数据是在您定义的刻度上对时间偏移的稳健。您可以将这些表示与机器学习算法结合使用，以进行分类和回归。

您可以使用连续小波变换（CWT）生成2-D时间序列数据的时间频率映射，可与二维卷积网络一起使用。生成时频表示在深细胞神经网络的用途是用于信号分类的有力方法。CWT在时间序列数据中同时捕获稳态和瞬态行为的能力使得基于小波的时频表示在与深CNN配对时特别坚固。

使用信号处理工具箱™ 许可证您可以将短时傅里叶变换包括到机器学习和深度学习工作流中。你也可以使用信号贴标机（信号处理工具箱）标记用于分析或用于机器学习和深度学习应用的信号。信号贴标机将数据另存为标记信号集物体。有一个音频工具箱™ 许可证在信号标签机中导入和播放音频文件数据（信号处理工具箱）. 你也可以使用光谱图（音频工具箱）用于特征提取。

应用程序

信号贴标机 标签信号属性，地区和兴趣点

功能

全部展开

cwtfilterbank. 连续小波变换过滤器银行
dlstft. 深度学习短时傅里叶变换
轻水 一维提升小波变换
光谱图 梅尔谱图
modwpt 最大重叠离散小波包变换
modwt. 最大重叠离散小波变换
stftlayer. 短时傅里叶变换层
小波发生器 小波时间散射
WVD. Wigner-Ville分布与平滑伪Wigner-Ville分布
音频数据存储 用于收集音频文件的数据存储
增强图像数据存储 转换批以增强图像数据
imageageAtastore. 图像数据的数据存储
信号数据存储 用于信号采集的数据存储
标记信号集 创建标记的信号集
signallabledefinition. 创建信号标签定义

话题

小波散射

从实值时间序列和图像数据中导出低方差特征。

小波散射不变性尺度与过采样

了解如何改变不变性比例和过采样因子会影响小波散射变换的输出。

特色实例

基于后期融合的声场景识别

基于后期融合的声场景识别

创建用于声学场景识别的多模型后期融合系统。
打开脚本
基于小波散射的空压机故障检测

基于小波散射的空压机故障检测

使用小波散射网络和支撑向量机对空气压缩机的声学记录中的故障进行分类。金宝app
打开直播脚本
异常检测自动化器和小波

异常检测自动化器和小波

了解如何使用小波特征检测直流系统中的电弧故障。
打开直播脚本
基于小波分析和深度学习的时间序列分类

基于小波分析和深度学习的时间序列分类

利用深度学习和连续小波变换对心跳心电图数据进行分类。
打开直播脚本
加速度计数据的裂缝识别

加速度计数据的裂缝识别

使用小波和深度学习技术检测横向路面裂缝并定位其位置。
打开直播脚本
基于小波散射和递归深层网络的故障检测

基于小波散射和递归深层网络的故障检测

使用小波散射网络和递归神经网络对空气压缩机声学记录中的故障进行分类。
打开直播脚本
深度学习的GPU加速缩放

深度学习的GPU加速缩放

使用GPU加速信号分类的特征提取。
打开直播脚本
基于小波时间散射的音乐类型分类

基于小波时间散射的音乐类型分类

使用小波时间散射和音频数据存储对音乐节选的类型进行分类。
打开直播脚本
基于机器学习和深度学习的雷达目标分类

基于机器学习和深度学习的雷达目标分类

使用机器和深度学习方法对雷达回波进行分类。
基于深度学习的雷达和通信波形分类

基于深度学习的雷达和通信波形分类

使用Wigner-Ville分布（WVD）和深度卷积神经网络（CNN）对雷达和通信波形进行分类。
使用基于小波的特征和支持向量机的信号分类金宝app

使用基于小波的特征和支持向量机的信号分类金宝app

使用来自小波的特征和带有支持向量机分类器的自回归模型对心电图信号进行分类。金宝app
打开直播脚本
基于小波散射和深度学习的语音数字识别

基于小波散射和深度学习的语音数字识别

使用机器学习和深度学习技术进行分类说话。
打开直播脚本
小波时间散射对音盲数据的分类

小波时间散射对音盲数据的分类

使用小波时间散射和支持向量机分类器对人体心音图记录进行分类。金宝app
打开直播脚本
小波时间散射在心电信号分类中的应用

小波时间散射在心电信号分类中的应用

使用小波时间散射和支持向量机分类器分类人心电图信号。金宝app
打开直播脚本

小波工具箱文档

金宝app

试试MATLAB、Sim金宝appulink和其他产品下载188bet金宝搏

现在受审