小波工具箱
使用小波分析和合成信号和图像
小波工具箱™提供用于分析和合成信号和图像的功能和应用。该工具箱包括用于连续小波分析，小波相干性，同步序列和数据自适应时频分析的算法。该工具箱还包括应用程序和图像的抽取和非分离离散小波分析的应用和函数，包括小波包和双树变换。
使用连续小波分析，您可以探索如何随时间演变的光谱特征，识别两个信号中的共同时变模式，并执行时间局限的过滤。使用离散小波分析，您可以分析不同分辨率的信号和图像，以检测更改点，不连续性和在原始数据中不易可见的其他事件。金宝搏官方网站您可以比较多个尺度的信号统计信息，并对数据进行分形分析以显示隐藏的模式。
使用小波工具箱，您可以获得数据的稀疏表示，可用于在保留重要功能的同时进行去噪或压缩数据。许多工具箱功能支持用于桌面原型和嵌入式系统部署金宝app的C / C ++代码生成。
开始：
使用小波时间散射的音乐流派分类
基于小波的深度学习技术
使用CWT生成时间序列数据的2D时间频率映射，可以用作具有深度卷积神经网络（CNN）的输入。
使用小波分析和深度学习分类时间序列
参考例子
使用示例以使用基于小波的技术进行机器学习和深度学习的技术。
数字分类与小波散射
CWT.
使用小波分析仪应用分析信号，与连续小波变换（CWT）共同及时的图像。使用小波一致性来揭示常规时变模式。
使用小波SynchroSqueezing从信号中获取更清晰的分辨率并提取振荡模式。重建信号的时频定期近似信号或过滤输出时间局部化频率分量。
金融数据小波分析
恒定Q变换
使用具有恒定Q变换（CQT）的非间断Gabor帧进行自适应时频分析。
恒定Q非营养性Gabor变换
非分析的小波和小波包分析
实现像固定小波变换（SWT）一样的非分析小波变换，最大重叠离散小波变换（MODWT），以及最大重叠小波包变换。
用信号多分辨率分析仪应用程序分析以生成和比较信号的多级小波分解。
MODWT使用信号多分辨率分析器应用程序
数据自适应变换
使用经验分解模式（EMD）分解非线性或非驻留过程中的非线性或非驻留过程
对信号进行Hilbert频谱分析以识别局部特征
经验模式分解
正交和双正交滤波器银行
使用像Daubechies，Coiflet，Haar等的正交小波滤波器库进行多分辨率分析和特征检测
双正常滤波器组等双正态样条和反向样条曲线可用于数据压缩
双正交缩放功能和小波
举
使用提升来设计完美的重建滤波器组，从简单的数据分开开始的特定属性
使用提升方法设计第一和第二代小波。提升还提供了用于分析不同分辨率或尺度的信号和图像的计算上有效的方法。金宝搏官方网站
哈尔的原始提升
使用小波信号置位器表示信号
生成C / C ++代码
使用matlab.®Coder™要从Wavelet Toolbox™功能生成独立的ANSI标准的C / C ++代码，这些功能已启用以支持C / C ++代码生成金宝app
生成信号去噪的代码
生成CUDA代码
使用GPU编码器™为支持GPU代码生成的函数生成优化的CUDA代码。金宝app
在GPU上运行优化代码
Shearlets.
为深度学习和图像处理自动生成图像的稀疏表示
时频库
检查时频分析方法的特征和限制
GPU计算
使用小波散射在GPU上加速自动特征提取
机器和深度学习举例
使用与分类器的小波衍生的功能进行分类信号
C / C ++代码生成
使用MATLAB编码器自动生成用于多功能离散小波分析的代码
看发行说明有关这些功能的详细信息和相应的功能。
