将深度学习工具箱™与信号处理工具箱™或小波工具箱™结合使用,将深度学习应用于信号处理。有关音频和语音处理应用程序,请参见使用深度学习的音频处理.有关无线通讯的应用,请参阅使用深度学习的无线通信.
信号贴标签机 | 标记信号属性、区域和感兴趣的点 |
labeledSignalSet |
创建标记信号集 |
signalLabelDefinition |
创建信号标签定义 |
signalMask |
修改和转换信号掩码,提取感兴趣的信号区域 |
countlabels |
清点唯一标签的数量 |
folders2labels |
从文件夹名称获取标签列表 |
splitlabels |
根据指定的比例查找用于分割标签的索引 |
signalDatastore |
用于收集信号的数据存储 |
dlstft |
深度学习短时傅里叶变换 |
利用时频分析和深度学习网络对行人和骑车人的微多普勒特征进行分类。
这个例子展示了如何使用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。
生成一个MEX函数和一个独立的可执行文件,在Raspberry Pi™上执行波形分割。
利用小波分析和深度学习在NVIDIA Jetson上部署信号分类器
这个例子展示了如何生成和部署CUDA®可执行程序,该程序使用连续小波变换(CWT)和预训练卷积神经网络(CNN)提取的特征对人类心电图(ECG)信号进行分类。
这个例子展示了使用连续小波变换(CWT)和深度卷积神经网络(CNN)对人体心电图(ECG)信号进行分类的工作流程。