处理的信号
多分辨率分析,小波时间散射,连续小波变换,非抽取离散小波变换,Wigner-Ville分布,mel谱图
小波散射使您能够产生使差异最小化的低方差数据表示在里面一个保持可鉴别性的类穿过课程。小波散射需要很少有用户指定的参数来产生数据的紧凑型数据,这是在您定义的刻度上旋转时间的稳健。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)来生成2-D时间序列数据的时间频率贴图,可与二维卷积网络一起使用。生成用于深度CNNS的时频表示是信号分类的强大方法。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配对时特别强大。
有了信号处理工具箱™许可,您可以将短时间傅里叶变换包含到您的机器学习和深度学习工作流中。你也可以使用信号贴标签机(信号处理工具箱)标记信号用于分析或用于机器学习和深度学习应用。信号贴标签机保存数据labeledSignalSet
对象。一个音频工具箱™许可证,您可以导入和播放音频文件数据在信号标签(信号处理工具箱).你也可以使用melSpectrogram
(音频工具箱)特征提取。
应用程序
信号贴标签机 | 标签信号属性,地区和兴趣点 |