signallabledefinition.
创建信号标签定义
描述
用signallabledefinition.为数据集创建信号标签定义。标签可以对应于属性，地区或感兴趣点。使用矢量signallabledefinition.对象来创建labeledSignalSet．
创建
描述
输入参数
属性
对象的功能
LANENDEFINITIONSHIERARAPT. |
获取标签和子标签名称的分层列表 |
labelDefinitionsSummary |
获取信号标签定义的摘要表 |
例子
鲸鱼歌曲的标签定义
考虑一套鲸鱼录音。记录的鲸鱼声音包括颤音和呻吟声。颤音声音像点击次数。呻吟低频叫声与船喇叭发出的声音相似。你需要查看每个信号并对其进行标记，以识别鲸鱼类型、颤音区域和呻吟区域。对于每个颤音区域，你还需要标记高于某个阈值的信号峰值。
信号标签定义
定义属性标签以存储鲸狗类型。可能的类别是蓝鲸，驼背鲸和白鲸。
dWhaleType = signalLabelDefinition ('whaletype'，．..“标签类型”，“属性”，．..“LabelDataType”，“分类”，．..'类别'，{“蓝色”，'驼背'，“白色”},．..“描述”，“鲸鱼型”）;
定义一个兴趣区域（ROI）标签以捕获呻吟区域。定义另一个ROI标签以捕获颤音区域。
DMOANS = SignallableDefinition（'Moanregions'，．..“标签类型”，“投资回报”，．..“LabelDataType”，“逻辑”，．..“描述”，“发出呻吟声的区域”）;dTrills = signalLabelDefinition ('trillregions'，．..“标签类型”，“投资回报”，．..“LabelDataType”，“逻辑”，．..“描述”，“颤音发生的区域”）;
最后，定义一个点标签来捕获颤音峰值。属性的子标签DTRILLS.定义。
dTrillPeaks=信号标签定义(“TrillPeaks”，．..“标签类型”，“点”，．..“LabelDataType”，'数字'，．..“描述”，“颤音峰”）;dTrills。Sublabels = dTrillPeaks;
标记信号设置
创建一个labeledSignalSet使用鲸鱼信号和标签定义。添加标签值以识别鲸鱼类型，呻吟和颤音区域，以及棘手的峰值。
负载标签为什么lbldefs = [dWhaleType dMoans dTrills];lss = labeledSignalSet({whale1 whale2}，lbldefs，'成员名'，{“Whale1”，“Whale2”},．..“SampleRate”Fs,“描述”，“描述鲸鱼鸣叫区域”）;
使用。可视化标签层次结构和标签属性LANENDEFINITIONSHIERARAPT.和labelDefinitionsSummary．
LANENDEFINITIONSHIERARCHY（LSS）
ans='WhalType子标签：[]MoanRegions子标签：[]TrillRegions子标签：TrillPeaks'
LANENDEFININGSSSUMMARY（LSS）
ans =3×9表LabelName LabelType LabelDataType类别ValidationFunction DefaultValue Sublabels标签描述 ______________ ___________ _____________ ____________ __________________ ____________ ___________________________ ___ ____________________________ " WhaleType”“属性”“分类”{3 x1字符串}{【“N / A”】}{0 x0双}{0 x0双}””“鲸鱼输入"MoanRegions" "roi" "logical" {["N/A"]} {0x0 double} {0x0 double} {0x0 double} "" "发生呻吟的区域"" TrillRegions" "roi" "" logical" {["N/A"]} {0x0 double} {0x0 double} {1x1 signalLabelDefinition} ""发生颤音的区域"
加载数据中的信号与两只蓝鲸的歌声相对应。设置'whaletype'两个信号的值。
setlabelvalue（lss，1，'whaletype'，“蓝色”）;setLabelValue (lss 2'whaletype'，“蓝色”）;
可视化“标签”财产。表中有新添加的'whaletype'两个信号的值。
lss。标签
ans =2×3表whaletype moanregions trillregions _________ _________________________鲸鱼1蓝色{0x2表} {0x3表} whale2蓝色{0x2表} {0x3表}
可视化区域标签
可视化鲸鲨以识别棘手和呻吟的地区。
子地块（2,1,1）图（（0：长度（whale1）-1）/Fs，whale1）标签(“鲸鱼1”) subplot(2,1,2) plot((0:length(whale2)-1)/Fs,whale2) ylabel(《鲸鱼2》）
呻吟区是持续的低频哭声。
whale1呻吟的时间集中在7秒、12秒和17秒。whale2它的呻吟集中在3秒、7秒和16秒。
将呻吟区域添加到标记的集合。在秒和标签值中指定ROI限制。
moanregionswhale1 = [6.1 7.7;11.4 13.1;16.5 18.1];MRSZ1 = [尺寸（moanregionswhale1,1）1];setlabelvalue（lss，1，'Moanregions'、moanRegionsWhale1真实(mrsz1));moanRegionsWhale2 = [2.5 3.5;5.8 8;15.4 - 16.7);mrsz2 = [size(moanRegionsWhale2,1) 1];setLabelValue (lss 2'Moanregions'、moanRegionsWhale2真实(mrsz2));
颤音区域有明显的声音爆发，并以沉默为标点。
whale1以2秒为中心的颤音。whale2颤音集中在12秒左右。
将颤音区域添加到标记集。
trillregionwhale1 = [1.4 3.1];trsz1 = [size（trillregionwhale1,1）1];setlabelvalue（lss，1，'trillregions'、trillRegionWhale1真实(trsz1));trillRegionWhale2 = [11.1 13];trsz2 = [size(trillRegionWhale1,1) 1];setLabelValue (lss 2'trillregions'、trillRegionWhale2真实(trsz2));
创建一个signalMask对象，并使用它来可视化和标记不同的区域。为了更好地显示，请将标签值从逻辑更改为分类。
mr1=GetLabelValue（lss，1，'Moanregions'）;MR1.Value =分类（REPMAT（“呻吟”，MRSZ1））;tr1 = getlabelvalues（lss，1，'trillregions'）;tr1。值=分类(repmat (“颤音”，trsz1））;msk1 = signalmask（[mr1; tr1]，“SampleRate”，fs）;子图（2,1,1）Plotsigroi（MSK1，Whale1）Ylabel（“鲸鱼1”） 抓住在MR2 = GetLabelvalues（LSS，2，'Moanregions'）;MR2.VALUE =分类（REPMAT（“呻吟”mrsz2));tr2 = getLabelValues (lss 2'trillregions'）;tr2.value =分类（repmat（“颤音”trsz2));msk2 = signalMask ([mr2; tr2],“SampleRate”，fs）;子图（2,1,2）Plotsigroi（MSK2，Whale2）Ylabel（《鲸鱼2》） 抓住在
可视化点标签
每个捕获区域标记三个峰。对于点标签，您可以指定点位置和标签值。在此示例中，点位置是以秒为单位的。
peaklocswhale1 = [1.553 1.626 1.7];peakvalswhale1 = [0.211 0.254 0.211];setlabelvalue（lss，1，{'trillregions'，“TrillPeaks”},．..peakLocsWhale1 peakValsWhale1,“LabelRowIndex”1);次要情节(2,1,1)情节(peakLocsWhale1 peakValsWhale1,“v”） 抓住离开peakLocsWhale2=[11.214 11.288 11.437]；peakValsWhale2=[0.119 0.14 0.15]；设定值（lss，2{'trillregions'，“TrillPeaks”},．..peakLocsWhale2 peakValsWhale2,“LabelRowIndex”子地块（2,1,2）地块（peakLocsWhale2、peakValsWhale2、，“v”） 抓住离开
探索标签值
使用的标签值getLabelvalues.．
GetLabelValue（lss）
ans =2×3表Whale1 blue {3x2 table} {1x3 table} Whale2 blue {3x2 table} {1x3 table}
为标记集的第一个成员检索呻吟区域。
getLabelValues (lss 1'Moanregions'）
ans =3×2表ROILimits价值 ____________ _____ 11.4 - 13.1 6.1 - 7.7 {[1]} {[1]} 16.5 - 18.1 {[1]}
使用第二个输出参数列出标签的子标签。
[value，valuewithsublabel] = getLabelvalues（lss，1，'trillregions'）
价值=1×2表ROI限制值{[1]}
valueWithSublabel =1×3表ROILimits值子标签三峰值{uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu1.4 3.1{[1]}{3x2表}
要检索子标签中的值，请将标签名称表示为一个双元素数组。
GetLabelValue（lss，1{'trillregions'，“TrillPeaks”})
ans =3×2表位置值 ________ __________ 1.553 {[0.2110]} 1.626 1.7 {[0.2540]} {[0.2110]}
查找与集合的第二个成员对应的第三个颤音峰值的值。
GetLabelValue（lss，2{'trillregions'，“TrillPeaks”},．..“LabelRowIndex”, 1'sublabelrowindex',3)
ans =1×2表位置值 ________ __________ 11.437 {[0.1500]}
计算标签值并创建数据存储
使用MATLAB®指定一组音频信号的路径，包括在MAT-files中。每个文件包含一个信号变量和一个采样率。列出文件的名称。
文件夹= fullfile (matlabroot,“工具箱”，“matlab”，“音频视频”）;lst = dir(添加文件夹,“/ * .mat”))；nms={lst（：）.name}'
网络管理系统=7 x1细胞{的唧唧声。垫的}{'gong.mat' } {'handel.mat' } {'laughter.mat'} {'mtlb.mat' } {'splat.mat' } {'train.mat' }
创建指向指定文件夹的信号数据存储。设置采样率变量名称为Fs，这是所有文件的公用项。生成不包含该文件的数据存储的子集mtlb.mat．使用子集数据存储作为源labeledSignalSet目的。
sds = signaldataStore（文件夹，“SampleRateVariableName”，“FS”）;SDS =子集（SDS，〜StrcMP（NMS，“mtlb.mat”));lss = labeledSignalSet (sds);
创建三个标签定义以标记信号：
定义一个逻辑属性标签，用于包含人类声音的信号。
定义一个数字点标签，标记每个信号的最大位置和幅度。
定义分类感兴趣区域(ROI)标签，以挑选出每个信号的非重叠、均匀长度的随机区域。
将信号标签定义添加到已标记的信号集。
vc = signallabeldefinition（“声音”，“标签类型”，“属性”，．..“LabelDataType”，“逻辑”，“DefaultValue”，错误的）;mx = signallabeldefinition（“最大值”，“标签类型”，“点”，．..“LabelDataType”，'数字'）;rs = signalLabelDefinition (“兰罗伊”，“标签类型”，“投资回报”，．..“LabelDataType”，“分类”，'类别'，[“投资回报”“其他”]);(vc mx rs) addLabelDefinitions (lss)
标记信号：
标签
'handel.mat'和“笑声，马特”拥有人类的声音。使用
islocalmax函数查找每个信号的最大值。标记它的位置和值。使用
兰德罗函数生成尽可能多的长度区域N/10个样本，以适合一个长度的信号N鉴于最低分离N/ 6区之间的样品。标记他们的位置并将它们分配给ROI.类别
当标记点和区域时，将样本值转换为时间值。减去1以考虑Matlab®Arst索引并划分采样率。
kj = 1;尽管Hasdata (sds) [sig,info] = read(sds);fs = info.SampleRate;[~, fn] = fileparts (info.FileName);如果fn ==.“亨德尔”||fn ==.“笑声”setLabelValue (lss kj,“声音”，真的）结束xm=查找（islocalmax（sig，'maxnumextrema'1));setLabelValue (lss kj,“最大值”，(xm-1)/fs,sig(xm)) N = length(sig);roi = randROI (N (N / 10),圆(N / 6));setLabelValue (lss kj,“兰罗伊”，（rois-1）/fs，重复(“投资回报”，尺寸（rois，1）））kj = kj + 1;结束
确认只有两个信号包含声音。
countlabelvalues（lss，“声音”）
ans =2×3表语音统计百分比_____ _____ _______假4 66.667真2 33.333
验证两个信号的最大振幅为1。
countlabelvalues（lss，“最大值”）
ans =5×4表最大计数百分比成员___________________________________________________________________________66711/016.6671/016.66711
验证每个信号是否有四个非目的的随机区域。
countlabelvalues（lss，“兰罗伊”）
ans =2×4表RanROI计数MemberCount百分比 ______ _____ _______ ___________ ROI 24 100 6 0 0 0
使用标记信号集中的数据创建两个数据存储：
的
signalDatastore对象sd包含信号数据。的
ArrayDataStore.对象LD.包含标签信息。指定要包含与所创建的所有标签相对应的信息。
(sd, ld) = createDatastores (lss, (“声音”“兰罗伊”“最大值”]);
使用数据存储中的信息绘制信号并显示其标签。
使用一个
signalMask对象以蓝色高亮感兴趣的区域。绘制黄线以标记最大值的位置。
为包含人声的信号添加一个红色轴标签。
tiledlayout流尽管Hasdata (sd) [sg,nf] = read(sd); / /读取数据lbls =阅读(ld);nexttile msk = signalMask(lbls{:}。RanROI {:},“SampleRate”, nf.SampleRate);plotsigroi colorbar (msk, sg)离开xlabel(＇＇)参照线(lbls {:} .Maximum {:} .Location,．..“线宽”2.“颜色”，'＃edb120'）如果lbls{:}。声音{:}ylabel ('浊音'，“颜色”，“# D95319”）结束结束
功能roilims = randROI(N,wid,sep) num = floor((N+sep)/(wid+sep));总部= histcounts (randi (num + 1, 1, N-num * wid - (num-1) * 9), (1: num + 2) 1/2);roilims = (1 + (0: num-1) * (wid + 9) + cumsum(总部(1:num)))”+ [0 wid-1];结束
您还可以从以下列表中选择一个网站：
