主要内容

信号的机器学习和深度学习

信号标注,特征工程,数据集生成

信号处理工具箱™为机器学习和深度学习工作流提供了执行信号标记、特征工程和数据集生成的功能。

应用程序

信号分析仪 可视化和比较多个信号和光谱
信号贴标签机 标记信号属性、区域和兴趣点
法国电力公司(EDF)文件分析器 查看EDF或EDF+文件

功能

全部展开

labeledSignalSet 创建标记信号集
signalLabelDefinition 创建信号标签定义
countlabels Count唯一标签个数
folders2labels 从文件夹名称获取标签列表
splitlabels 根据指定的比例查找索引来拆分标签
signalMask 修改和转换信号掩码,提取感兴趣的信号区域
binmask2sigroi 将二进制掩码转换为ROI界限矩阵
extendsigroi 向左右扩展感兴趣的信号区域
extractsigroi 提取感兴趣的信号区域
mergesigroi 合并感兴趣的信号区域
removesigroi 移除感兴趣的信号区域
shortensigroi 从左到右缩短感兴趣的信号区域
sigroi2binmask 将ROI界限矩阵转换为二进制掩模
edfinfo 获取关于EDF/EDF+文件的信息
edfwrite 创建或修改EDF或EDF+文件
edfheader 创建头结构的EDF或EDF+文件
edfread 从EDF/EDF+文件读取数据
signalDatastore 用于收集信号的数据存储
dlstft 深度学习短时傅里叶变换
findchangepts 发现信号的突变
findpeaks 找到当地的最大值
findsignal 利用相似度搜索找到信号位置
fsst 傅里叶synchrosqueezed变换
instbw 估计瞬时带宽
instfreq 估计瞬时频率
pentropy 信号的谱熵
周期图 周期图功率谱密度估计
pkurtosis 信号或谱图的峰度
powerbw 功率带宽
pspectrum 在频域和时频域分析信号
pwelch 韦尔奇的功率谱密度估计

主题

选择一个应用程序来标记地面真相数据

决定使用哪个应用程序来标记地面真相数据:图片标志,贴标签机视频,地面实况贴标签机,激光雷达贴标签机,信号贴标签机,或音频贴标签机

基于深度学习的雷达和通信波形分类(相控阵系统工具箱)

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)来分类雷达和通信波形。

基于深度学习的行人和骑自行车者分类(雷达工具箱)

利用深度学习网络和时频分析,根据行人和骑自行车者的微多普勒特征进行分类。

基于小波时间散射的音乐类型分类(小波工具箱)

这个例子展示了如何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。

心音数据的小波时间散射分类(小波工具箱)

这个例子展示了如何使用小波时间散射和支持向量机(SVM)分类器来分类人的心音图(PCG)记录。金宝app

利用内存不足特征训练语音数字识别网络

使用转换后的数据存储在内存不足的听觉声谱上训练语音数字识别网络。

相关信息

MATLAB中的深度学习(深度学习工具箱)

利用深度学习进行序列分类(深度学习工具箱)

特色的例子