主要内容gydF4y2Ba

stftLayergydF4y2Ba

短时傅里叶变换层gydF4y2Ba

扩展所有的页面gydF4y2Ba

描述gydF4y2Ba

一个STFT层计算短时傅里叶变换的输入。gydF4y2Ba使用这一层需要深度学习工具箱™。gydF4y2Ba

创建gydF4y2Ba

语法gydF4y2Ba

层= stftLayergydF4y2Ba
层= stftLayer (Name =值)gydF4y2Ba

描述gydF4y2Ba

例子gydF4y2Ba

层gydF4y2Ba= stftLayergydF4y2Ba创建一个gydF4y2Ba短时傅里叶变换gydF4y2Ba(STFT)层。的输入gydF4y2BastftLayergydF4y2Ba必须是一个gydF4y2BadlarraygydF4y2Ba(深度学习工具箱)gydF4y2Ba对象gydF4y2Ba“认知行为治疗”gydF4y2Ba格式与大小沿着时间维度的长度大于gydF4y2Ba窗口gydF4y2Ba。gydF4y2Ba

例子gydF4y2Ba

层gydF4y2Ba= stftLayer (gydF4y2Ba名称=值gydF4y2Ba)gydF4y2Ba使用名称-值参数指定可选参数。您可以指定分析窗口和输出的格式,等等。gydF4y2Ba

属性gydF4y2Ba

全部展开gydF4y2Ba

STFTgydF4y2Ba

这个属性是只读的。gydF4y2Ba

用于计算STFT分析窗口,指定为一个向量与两个或两个以上的元素。gydF4y2Ba

例子:gydF4y2Ba(1-cos(2 *π* (0:127)/ 127))/ 2gydF4y2Ba和gydF4y2Ba损害gydF4y2Ba(128)gydF4y2Ba都指定一个损害窗口的长度为128。gydF4y2Ba

数据类型:gydF4y2Ba双gydF4y2Ba|gydF4y2Ba单gydF4y2Ba

这个属性是只读的。gydF4y2Ba

重叠的样本数量,指定为一个正整数严格小于的长度gydF4y2Ba窗口gydF4y2Ba。gydF4y2Ba

之间的跨连续的区别是windows窗口长度和重叠的样本的数量。gydF4y2Ba

数据类型:gydF4y2Ba双gydF4y2Ba|gydF4y2Ba单gydF4y2Ba

这个属性是只读的。gydF4y2Ba

使用的频率点数量计算离散傅里叶变换,指定为一个正整数大于或等于窗口长度。如果没有指定,这个参数默认为窗口的长度。gydF4y2Ba

如果输入数据在时间维度的长度小于DFT点的数量,gydF4y2BastftLayergydF4y2Baright-pads与零和窗口的数据,所以他们有一个长度相等gydF4y2BaFFTLengthgydF4y2Ba。gydF4y2Ba

数据类型:gydF4y2Ba双gydF4y2Ba|gydF4y2Ba单gydF4y2Ba

层变换模式,指定为其中的一个:gydF4y2Ba

  • “杂志”gydF4y2Ba——STFT级gydF4y2Ba

  • “squaremag”gydF4y2Ba——STFT平方级gydF4y2Ba

  • “logmag”gydF4y2Ba自然对数的STFT大小gydF4y2Ba

  • “logsquaremag”gydF4y2Ba自然对数的STFT的平方大小gydF4y2Ba

  • “realimag”gydF4y2Ba——STFT的实部和虚部,沿通道连接尺寸gydF4y2Ba

数据类型:gydF4y2Ba字符gydF4y2Ba|gydF4y2Ba字符串gydF4y2Ba

层输出模式,指定为其中的一个:gydF4y2Ba

  • “时空”gydF4y2Ba——格式输出一维序列图像的图像高度对应于频率,第二维度对应渠道,第三维对应于批处理,和第四维对应于时间。gydF4y2Ba

    您可以使用这个输出模式的输出gydF4y2BastftLayergydF4y2Ba当你想要到一个一维卷积层缠绕在频率。有关更多信息,请参见gydF4y2Baconvolution1dLayergydF4y2Ba(深度学习工具箱)gydF4y2Ba。gydF4y2Ba

  • “空间”gydF4y2Ba——格式输出的二维图像序列图像的高度对应于频率和图像宽度对应于时间。第三和第四维度对应通道和批处理,分别。gydF4y2Ba

    您可以使用这个输出模式的输出gydF4y2BastftLayergydF4y2Ba二维卷积层当你想缠绕在两个空间维度。有关更多信息,请参见gydF4y2Baconvolution2dLayergydF4y2Ba(深度学习工具箱)gydF4y2Ba。gydF4y2Ba

  • “时间”gydF4y2Ba——作为一个一维序列格式输出。这种格式的gydF4y2Ba“时空”gydF4y2Ba输出格式和图像高度趋于平缓到频道维度。第二维度的STFT输出对应于批处理和三维对应于时间。gydF4y2Ba

    您可以使用这个输出模式的输出gydF4y2BastftLayergydF4y2Ba当你想要到一个一维卷积层缠绕在时间。有关更多信息,请参见gydF4y2Baconvolution1dLayergydF4y2Ba(深度学习工具箱)gydF4y2Ba。您还可以使用这个输出模式使用gydF4y2BastftLayergydF4y2Ba递归神经网络的一部分。有关更多信息,请参见gydF4y2BalstmLayergydF4y2Ba(深度学习工具箱)gydF4y2Ba和gydF4y2BagruLayergydF4y2Ba(深度学习工具箱)gydF4y2Ba。gydF4y2Ba

数据类型:gydF4y2Ba字符gydF4y2Ba|gydF4y2Ba字符串gydF4y2Ba

层gydF4y2Ba

乘数为体重学习速率,指定为负的标量。如果不指定,该属性默认为零,导致权重不更新培训。你也可以设置该属性使用gydF4y2BasetLearnRateFactorgydF4y2Ba(深度学习工具箱)gydF4y2Ba函数。gydF4y2Ba

数据类型:gydF4y2Ba双gydF4y2Ba|gydF4y2Ba单gydF4y2Ba

图层名称,指定为一个特征向量或字符串标量。为gydF4y2Ba层gydF4y2Ba数组输入,gydF4y2BatrainNetworkgydF4y2Ba,gydF4y2BaassembleNetworkgydF4y2Ba,gydF4y2BalayerGraphgydF4y2Ba,gydF4y2BadlnetworkgydF4y2Ba函数自动分配层的名称gydF4y2Ba的名字gydF4y2Ba设置为gydF4y2Ba”gydF4y2Ba。gydF4y2Ba

数据类型:gydF4y2Ba字符gydF4y2Ba|gydF4y2Ba字符串gydF4y2Ba

这个属性是只读的。gydF4y2Ba

输入层的数量。这一层只接受一个输入。gydF4y2Ba

数据类型:gydF4y2Ba双gydF4y2Ba

这个属性是只读的。gydF4y2Ba

输入层的名称。这一层只接受一个输入。gydF4y2Ba

数据类型:gydF4y2Ba细胞gydF4y2Ba

这个属性是只读的。gydF4y2Ba

输出层的数量。这一层只有一个输出。gydF4y2Ba

数据类型:gydF4y2Ba双gydF4y2Ba

这个属性是只读的。gydF4y2Ba

输出层的名称。这一层只有一个输出。gydF4y2Ba

数据类型:gydF4y2Ba细胞gydF4y2Ba

例子gydF4y2Ba

全部折叠gydF4y2Ba

打开生活的脚本gydF4y2Ba

生成一个信号采样在600 Hz 2秒。信号由一个唧唧喳喳的频率呈现正弦变化的内容。信号存储在一个深度学习数组gydF4y2Ba“施”gydF4y2Ba格式。gydF4y2Ba

fs = 6 e2;x = vco(罪(2 *π* (0:1 / fs: 2)), (0.1 - 0.4) * fs, fs);dlx = dlarray (x,gydF4y2Ba“施”gydF4y2Ba);gydF4y2Ba

创建一个短时傅里叶变换层用默认属性。创建一个gydF4y2BadlnetworkgydF4y2Ba对象组成的一个序列输入层和短时傅里叶变换层。指定一个最低的128个样本序列长度。通过运行信号gydF4y2Ba预测gydF4y2Ba网络的方法。gydF4y2Ba

ftl = stftLayer;dlnet = dlnetwork ([sequenceInputLayer(1,最小长度= 128)ftl));netout =预测(dlnet dlx);gydF4y2Ba

网络的输出转换为一个数字数组。使用gydF4y2Ba挤压gydF4y2Ba函数删除长度是1频道和批处理维度。情节STFT的大小。数组的第一个维度对应于频率和第二。gydF4y2Ba

q = extractdata (netout);瀑布(挤压(q)的)设置(gca XDir =gydF4y2Ba“反向”gydF4y2Ba、查看= 45[30])包含(gydF4y2Ba“频率”gydF4y2Ba)ylabel (gydF4y2Ba“时间”gydF4y2Ba)gydF4y2Ba

图包含一个坐标轴对象。坐标轴对象包含一个类型的对象的补丁。”width=

打开生活的脚本gydF4y2Ba

生成一个3×160(×1)数组包含一个批三通道,160 -样本正弦信号。规范化的正弦信号的频率gydF4y2BaπgydF4y2Ba/ 4 rad /样本,gydF4y2BaπgydF4y2Ba/ 2 rad /样本,和3gydF4y2BaπgydF4y2Ba/ 4 rad /样品。作为一个保存信号gydF4y2BadlarraygydF4y2Ba,指定的尺寸。gydF4y2BadlarraygydF4y2Ba排列的阵列尺寸gydF4y2Ba“认知行为治疗”gydF4y2Ba所期望塑造一个深度学习网络。gydF4y2Ba

nch = 3;N = 160;x = dlarray (cos(π。* (1:nch) / 4 * (0: n - 1)),gydF4y2Ba“施”gydF4y2Ba);gydF4y2Ba

创建一个短时傅里叶变换层,可以使用正弦信号。指定一个样品64 -矩形窗口,48个样品之间的重叠相邻窗口,DFT和1024点。指定层输出模式gydF4y2Ba“空间”gydF4y2Ba。默认情况下,层输出STFT的大小。gydF4y2Ba

stfl = stftLayer(窗口= rectwin (64),gydF4y2Ba…gydF4y2BaOverlapLength = 48岁gydF4y2Ba…gydF4y2BaFFTLength = 1024,gydF4y2Ba…gydF4y2BaOutputMode =gydF4y2Ba“空间”gydF4y2Ba);gydF4y2Ba

创建一个两层的gydF4y2BadlnetworkgydF4y2Ba对象包含一个序列输入层和您刚才创建的STFT层。对待每个通道正弦信号的特性。指定长度的信号作为输入层最低序列长度。gydF4y2Ba

层= [sequenceInputLayer (nch最小长度= N) stfl);dlnet = dlnetwork(层);gydF4y2Ba

正弦信号通过运行gydF4y2Ba向前gydF4y2Ba网络的方法。gydF4y2Ba

向前dataout = (dlnet x);gydF4y2Ba

网络的输出转换为一个数字数组。使用gydF4y2Ba挤压gydF4y2Ba崩溃的大小是1批尺寸的函数。情节STFT级分别为每个通道在瀑布的阴谋。gydF4y2Ba

q =挤压(extractdata (dataout));gydF4y2Ba为gydF4y2Bakj = 1: nch次要情节(nch 1 kj)瀑布(q (:,:, kj)”)视图(30、45)zlabel (gydF4y2Ba“Ch。”gydF4y2Ba+字符串(kj))gydF4y2Ba结束gydF4y2Ba

图包含3轴对象。坐标轴对象1包含一个类型的对象的补丁。坐标轴对象2包含一个类型的对象的补丁。坐标轴对象3包含一个类型的对象的补丁。”width=

更多关于gydF4y2Ba

全部展开gydF4y2Ba

另请参阅gydF4y2Ba

应用程序gydF4y2Ba

对象gydF4y2Ba

功能gydF4y2Ba

主题gydF4y2Ba

介绍了R2021bgydF4y2Ba

信号处理工具箱的文档gydF4y2Ba

金宝app

深度学习与MATLAB信号处理gydF4y2Ba

深度学习与MATLAB信号处理gydF4y2Ba

下载白皮书gydF4y2Ba