waveletScattering

小波时间散射

自从R2018b

描述

使用waveletScattering小波时间对象创建一个网络散射分解使用伽柏(分析Morlet)小波。网络使用小波和低通滤波器尺度函数生成低温度差的实值时间序列数据的表示。小波时间散射收益率表示对翻译的输入信号在不牺牲类辨别力。您可以使用表示作为输入分类器。您可以指定的持续时间平移不变性和小波的数量每倍频程滤波器。散射网络还支持时间××频道批C (T××B)输入。金宝app

创建

语法

科幻小说= waveletScattering

科幻小说= waveletScattering(名称、值)

描述

例子

科幻小说= waveletScattering创建一个小波时间散射网络有两个滤波器。第一个过滤器银行的质量(Q)因素八小波每八度。第二个过滤器银行每倍频程的品质因数小波。默认情况下,waveletScattering假设一个信号输入1024个样本的长度。尺度不变性的长度是512个样本。默认情况下,waveletScattering采用周期性边界条件。

例子

科幻小说= waveletScattering (名称,值)为小波散射,创建一个网络科幻小说,属性由一个或多个指定名称,值参数。属性可以在任何顺序指定Name1, Value1,…,的家。在报价附上每个属性的名字。

请注意

在您创建一个散射网,你可以改变的价值OversamplingFactor财产。取决于网络的精度和输入信号的值精度属性也可以改变。所有其他网络属性值保持不变。

属性

全部展开

`SignalLength`- - - - - -信号长度
`1024年`(默认)|正整数≥16

信号长度样本中,指定为一个正整数≥16。如果输入散射网络是一个行向量,SignalLength必须匹配输入数据的列数。如果输入的散射网络是一个列向量,矩阵,或三维数组,SignalLength数据必须匹配的行数。

数据类型:双

`SamplingFrequency`- - - - - -采样频率
`1`(默认)|积极的标量

采样频率在赫兹,指定为一个积极的标量。如果未指定的,频率周期/样本和奈奎斯特频率½。

数据类型:双

`InvarianceScale`- - - - - -散射变换不变性的规模
一半的`SignalLength`(默认)|积极的标量

散射变换不变性,指定为一个积极的标量。InvarianceScale指定翻译散射变换的不变性。如果你不指定SamplingFrequency,InvarianceScale以样本。如果您指定SamplingFrequency,InvarianceScale以秒。

InvarianceScale不能超过SignalLength在样本。

例子:科幻小说= waveletScattering (“SamplingFrequency”“SignalLength”, 1000年,200年,“InvarianceScale”, 5)规模最大的可能的不变性。

数据类型:双

`QualityFactors`- - - - - -散射过滤器银行问因素
`8 [1]`(默认)|正整数|向量的正整数

散射过滤器银行问因素,指定为一个正整数或正整数的一个向量。一个过滤器银行Q因子的数量每倍频程小波滤波器。问因素必须小于或等于32岁和大于或等于1。

如果QualityFactors被指定为一个向量的元素QualityFactors必须严格减少。

例子:科幻小说= waveletScattering (“QualityFactors”, [8 2 1])创建一个小波散射与三个过滤器银行网络。

数据类型:双

`边界`- - - - - -信号扩展方法
`“周期”`(默认)|`“反射”`

信号扩展方法适用于边界:

“周期”——定期延长信号长度2 ^装天花板(log2 (N)),在那里N是信号长度。
“反射”——扩展信号反射的长度2 ^装天花板(log2 (2 N)),在那里N是信号长度。

信号扩展到匹配小波滤波器的长度。过滤器的长度是两个的权力。

内部操作的信号扩展方法。结果downsampled回到原始信号在返回之前的规模。

`精度`- - - - - -小波散射的数值精度网络
`“双”`(默认)|`“单一”`

小波散射的数值精度网络:

“双”——双精度
“单一”——单精度

如果你构建一个散射网络与双精度过滤器和网络应用于单精度数据、内部过滤器是投单精度。后续过滤用单精度到创建一个新的网络无论输入数据类型。有关更多信息,请参见示例小波时间散射网络精度。

指定精度作为“单一”在建筑是有用的,如果你想使用对象与单精确数据和减少内存占用网络的散射。

`OversamplingFactor`- - - - - -过采样因子
`0`(默认)|非负整数|`正`

过采样的因素,作为一个非负整数或指定正。因素指定采样过量对散射系数是多少极度downsampled值。的因素是日志₂规模。默认情况下,OversamplingFactor被设置为0,对应于批判将采样系数。您可以使用numCoefficients确定系数的数量获得散射网络。获得一个完全抽取散射变换,集OversamplingFactor来正。

设置OversamplingFactor的值将导致更多的系数比样品相当于设置OversamplingFactor来正。增加了OversamplingFactor显著增加了计算复杂度和内存需求的散射变换。

例子:如果科幻小说= waveletScattering (OversamplingFactor, 2),散射变换的回报2²倍系数为每个散射路径对严格采样数。

`OptimizePath`- - - - - -优化散射变换的逻辑
`假`或`0`(默认)|`真正的`或`1`

优化散射变换的逻辑,这决定散射变换降低散射路径的数量来计算基于带宽的考虑,指定为一个数字或逻辑1(真正的)或0(假)。

如果您指定OptimizePath作为真正的订单2的,不包括散射散射变换路径和更大的不满足以下标准:中心频率-½3-dB小波滤波器的带宽(我+ 1)th过滤器银行必须重叠0 (DC) +½3-dB小波滤波器的带宽我滤波器组。如果不满足这一标准,高阶路径排除在外。设置OptimizePath真正可以显著减少散射路径和散射变换对于大多数网络的计算复杂度。

您可以使用路径目标函数,以确定哪些多少散射路径计算。

对象的功能

`scatteringTransform`	小波一维散射变换
`featureMatrix`	散射特征矩阵
`日志`	自然对数的散射变换
`filterbank`	小波散射滤波器
`littlewoodPaleySum`	Littlewood-Paley总和
`散点图`	可视化散射或量图系数
`centerFrequencies`	小波散射带通中心频率
`numorders`	订单数量的散射
`numfilterbanks`	散射滤波器
`numCoefficients`	小波散射系数
`路径`	散射网络路径
`收集`	收集散射网络属性到本地工作区

例子

全部折叠

小波散射与默认值

打开生活的脚本

创建一个小波散射与默认值。

科幻小说= waveletScattering

科幻小说= waveletScattering属性:SignalLength: 1024 InvarianceScale: 512 QualityFactors: 8[1]边界:“周期性”SamplingFrequency: 1精密:“双”OversamplingFactor: 0 OptimizePath: 0

画出小波滤波器用于第一和第二滤波器。

(过滤器、f) = filterbank (sf);情节(f,过滤器{2}.psift)标题(“第一过滤器银行”)包含(“周期/样本”)ylabel (“级”网格)在

图包含一个坐标轴对象。坐标轴对象与标题第一滤波器组,包含周期/样本,ylabel级包含41线类型的对象。

图绘制(f,过滤器{3}.psift)标题(“第二过滤器银行”)包含(“周期/样本”)ylabel (“级”网格)在

图包含一个坐标轴对象。坐标轴对象与标题第二滤波器组,包含周期/样本,ylabel级包含7线类型的对象。

情节Littlewood-Paley大笔的滤波器。

[lpsum f] = littlewoodPaleySum (sf);图绘制(f, lpsum)传说(“第一过滤器银行”,“第二过滤器银行”)包含(“周期/样本”网格)在

图包含一个坐标轴对象。坐标轴对象包含周期/示例包含2线类型的对象。这些对象代表第一滤波器组,第二滤波器组。

应用小波时间散射网络

打开生活的脚本

这个例子展示了如何创建和应用小波散射与三个过滤器银行网络数据。

负载在一个数据集。创建一个散射网络有三个滤波器可以应用到数据。

负载汉德尔disp ([的数据采样频率:num2str (Fs),“赫兹”])

数据采样频率:8192 Hz

科幻小说= waveletScattering (“SignalLength”元素个数(y),…“SamplingFrequency”Fs,…“QualityFactors”(4 2 1))

科幻小说= waveletScattering属性:SignalLength: 73113 InvarianceScale: 4.4625 QualityFactors:[4 2 1]边界:“周期性”SamplingFrequency: 8192精密:“双”OversamplingFactor: 0 OptimizePath: 0

检查网络。图中所使用的小波滤波器第三滤波器组。

(过滤器、f) = filterbank (sf);情节(f,过滤器{4}.psift)标题(“第三滤波器组”)包含(“赫兹”)ylabel (“级”网格)在

情节的Littlewood-Paley资金三个滤波器。

[lpsum f] = littlewoodPaleySum (sf);图绘制(f, lpsum)包含(“赫兹”网格)在传奇(“第一过滤器银行”,“第二过滤器银行”,“第三滤波器组”)

计算小波一维散射变换的数据科幻小说。可视化的散点图量图第一滤波器系数。

[S, U] = scatteringTransform(科幻,y);图分布图(科幻,U,“FilterBank”,1)

小波时间散射网络精度

打开生活的脚本

这个例子展示了如何单精确输入更改默认数值精度小波散射的网络。

创建一个小波散射与默认值。网络的精度双。

科幻小说= waveletScattering

科幻小说= waveletScattering属性:SignalLength: 1024 InvarianceScale: 512 QualityFactors: 8[1]边界:“周期性”SamplingFrequency: 1精密:“双”OversamplingFactor: 0 OptimizePath: 0

使用filterbank目标函数获得散射滤波器。的filterbank函数返回单元阵列中的滤波器。确认过滤器是双精度。

sfFilters = filterbank (sf);precType =“替身”;流(“检查精度:% s \ n”precType)

检查精度:双

流(“sfFilters {1}。phift: % d \ n”isa (sfFilters {1} .phift, precType))

sfFilters {1}。phift: 1

为k = 2:元素个数(sfFilters)流(“sfFilters {% d}。phift: % d \ n”k, k, isa (sfFilters {} .phift, precType))流(“sfFilters {% d}。psift: % d \ n”k, k, isa (sfFilters {} .psift, precType))结束

sfFilters {2}。phift: 1

sfFilters {2}。psift: 1

sfFilters {3}。phift: 1

sfFilters {3}。psift: 1

负载的多普勒信号。信号是双精度。

负载noisdoppisa (noisdopp“替身”)

ans =逻辑1

使用featureMatrix目标函数获得散射的散射系数矩阵和信号网络。确认矩阵的精度双。

smat = featureMatrix(科幻,noisdopp);isa (smat“替身”)

ans =逻辑1

将信号转换为单精度。获得单精度的散射系数矩阵使用散射信号网络。确认矩阵精度单。

noisdoppSingle =单(noisdopp);smatSingle = featureMatrix(科幻,noisdoppSingle);isa (smatSingle“单身”)

ans =逻辑1

确认通过使用单精度输入、散射的数值精度网络已经改变了单。

科幻小说

科幻小说= waveletScattering属性:SignalLength: 1024 InvarianceScale: 512 QualityFactors: 8[1]边界:“周期性”SamplingFrequency: 1精密:“单一”OversamplingFactor: 0 OptimizePath: 0

使用featureMatrix函数来获得散射的散射系数矩阵网络和双精度的信号。因为现在网络的数值精度单矩阵的精度单。

smatSingle2 = featureMatrix(科幻,noisdopp);isa (smatSingle2“单身”)

ans =逻辑1

使用filterbank函数来获得滤波器。确认过滤器改变了单一的精度。

sfFiltersSingle = filterbank (sf);precType =“单身”;流(“检查精度:% s \ n”precType)

检查精度:单

流(“sfFiltersSingle {1}。phift: % d \ n”isa (sfFiltersSingle {1} .phift, precType))

sfFiltersSingle {1}。phift: 1

为k = 2:元素个数(sfFilters)流(“sfFiltersSingle {% d}。phift: % d \ n”k, k, isa (sfFiltersSingle {} .phift, precType))流(“sfFiltersSingle {% d}。psift: % d \ n”k, k, isa (sfFiltersSingle {} .psift, precType))结束

sfFiltersSingle {2}。phift: 1

sfFiltersSingle {2}。psift: 1

sfFiltersSingle {3}。phift: 1

sfFiltersSingle {3}。psift: 1

引用

[1],然后,乔阿欣和Stephane Mallat。“深层散射谱。”IEEE信号处理62年,没有。(2014年8月16日):4114 - 28。https://doi.org/10.1109/TSP.2014.2326991。

[2]Mallat,史蒂芬。“集团不变的散射。”通信在纯粹和应用数学65年,没有。(2012年10月):1331 - 98。https://doi.org/10.1002/cpa.21413。

扩展功能

C / c++代码生成
生成C和c++代码使用MATLAB®编码器™。

使用笔记和限制:

如果指定的,“精度”和“边界”值必须是coder.Constant。
QualityFactors不能变量大小。
waveletScattering是一个处理类,因此您必须使用一个入口点函数。
生成优化利用SIMD intrinsic和上运行的代码手臂^®皮质^®——32位/ 64位处理器,您必须安装嵌入式编码器^®金宝app支持包Xilinx^®Zynq^®平台。的支持包金宝appXilinx Zynq平台船的手臂交叉编译器工具链,使部署手臂皮层——一个处理器。的MATLAB^®金宝app支持包树莓π^®硬件使臂设备上直接部署优化的代码。例如,看到的为小波生成和部署优化的代码时间对部门目标散射。(因为R2023a)

GPU数组
加速代码运行在一个图形处理单元(GPU)使用并行计算工具箱™。

这个函数完全支持GPU数组。金宝app有关更多信息,请参见运行在GPU MATLAB函数(并行计算工具箱)。

版本历史

介绍了R2018b

全部展开

R2023a:使用目标函数`收集`收集属性到本地工作区

您可以使用对象的功能收集收集的所有属性waveletScattering对象从GPU设备到您的工作区。这种支持需金宝app要并行计算工具箱™。

R2023a:生成c++代码进行了优化手臂皮质——32位/ 64位处理器

您可以生成c++代码优化,利用SIMD intrinsic和上运行手臂皮层——32位/ 64位处理器。有关更多信息,请参见代码生成。

R2021a:`waveletScattering`财产`毁掉`已被删除

的waveletScattering财产毁掉被移除。使用属性OversamplingFactor代替。

功能	当你使用这个功能吗?	使用这个代替	兼容性的考虑
`毁掉`财产	错误	`OversamplingFactor`	替换所有的实例`“毁掉”,真的`与`“OversamplingFactor”, 0`。替换所有的实例`“毁掉”,假的`与`“OversamplingFactor”,正无穷`。

R2021a:使用几何平均计算小波中心频率最高

从R2021a开始,最高使用几何平均计算小波中心频率。方法决定如何空间线性的频率低于不变性规模也发生了变化。这些变化改善Littlewood-Paley金额产生的滤波器。

中心频率是最高频率的对数间隔频率对应于不变性。从R2021a开始,根据散射等网络参数不变性,数量过滤器你获得比以前的版本可能会有所不同。方法应用过滤器计算散射和量图系数没有改变。

waveletScattering

描述

创建

语法

描述

属性

`SignalLength`- - - - - -信号长度
`1024年`(默认)|正整数≥16

`SamplingFrequency`- - - - - -采样频率
`1`(默认)|积极的标量

`InvarianceScale`- - - - - -散射变换不变性的规模
一半的`SignalLength`(默认)|积极的标量

`QualityFactors`- - - - - -散射过滤器银行问因素
`8 [1]`(默认)|正整数|向量的正整数

`边界`- - - - - -信号扩展方法
`“周期”`(默认)|`“反射”`

`精度`- - - - - -小波散射的数值精度网络
`“双”`(默认)|`“单一”`

`OversamplingFactor`- - - - - -过采样因子
`0`(默认)|非负整数|`正`

`OptimizePath`- - - - - -优化散射变换的逻辑
`假`或`0`(默认)|`真正的`或`1`

对象的功能

例子

小波散射与默认值

应用小波时间散射网络

小波时间散射网络精度

更多关于

时间窗口

引用

扩展功能

C / c++代码生成
生成C和c++代码使用MATLAB®编码器™。

GPU数组
加速代码运行在一个图形处理单元(GPU)使用并行计算工具箱™。

版本历史

R2023a:使用目标函数`收集`收集属性到本地工作区

R2023a:生成c++代码进行了优化手臂皮质——32位/ 64位处理器

R2021a:`waveletScattering`财产`毁掉`已被删除

R2021a:使用几何平均计算小波中心频率最高

另请参阅

功能

对象

块

主题

waveletScattering

描述

创建

语法

描述

属性

SignalLength- - - - - -信号长度1024年(默认)|正整数≥16

SamplingFrequency- - - - - -采样频率1(默认)|积极的标量

InvarianceScale- - - - - -散射变换不变性的规模一半的SignalLength(默认)|积极的标量

QualityFactors- - - - - -散射过滤器银行问因素8 [1](默认)|正整数|向量的正整数

边界- - - - - -信号扩展方法“周期”(默认)|“反射”

精度- - - - - -小波散射的数值精度网络“双”(默认)|“单一”

OversamplingFactor- - - - - -过采样因子0(默认)|非负整数|正

OptimizePath- - - - - -优化散射变换的逻辑假或0(默认)|真正的或1

对象的功能

例子

小波散射与默认值

应用小波时间散射网络

小波时间散射网络精度

更多关于

时间窗口

引用

扩展功能

C / c++代码生成生成C和c++代码使用MATLAB®编码器™。

GPU数组加速代码运行在一个图形处理单元(GPU)使用并行计算工具箱™。

版本历史

R2023a:使用目标函数收集收集属性到本地工作区

R2023a:生成c++代码进行了优化手臂皮质——32位/ 64位处理器

R2021a:waveletScattering财产毁掉已被删除

R2021a:使用几何平均计算小波中心频率最高

另请参阅

功能

对象

块

主题

`SignalLength`- - - - - -信号长度
`1024年`(默认)|正整数≥16

`SamplingFrequency`- - - - - -采样频率
`1`(默认)|积极的标量

`InvarianceScale`- - - - - -散射变换不变性的规模
一半的`SignalLength`(默认)|积极的标量

`QualityFactors`- - - - - -散射过滤器银行问因素
`8 [1]`(默认)|正整数|向量的正整数

`边界`- - - - - -信号扩展方法
`“周期”`(默认)|`“反射”`

`精度`- - - - - -小波散射的数值精度网络
`“双”`(默认)|`“单一”`

`OversamplingFactor`- - - - - -过采样因子
`0`(默认)|非负整数|`正`

`OptimizePath`- - - - - -优化散射变换的逻辑
`假`或`0`(默认)|`真正的`或`1`

C / c++代码生成
生成C和c++代码使用MATLAB®编码器™。

GPU数组
加速代码运行在一个图形处理单元(GPU)使用并行计算工具箱™。

R2023a:使用目标函数`收集`收集属性到本地工作区

R2021a:`waveletScattering`财产`毁掉`已被删除