signalLabelDefinition
描述
使用signalLabelDefinition为数据集创建信号标签定义。标签可以对应于属性、区域或感兴趣的点。用一个向量signalLabelDefinition对象创建一个labeledSignalSet。
创建
描述
输入参数
属性
对象的功能
labelDefinitionsHierarchy |
分层的标签和sublabel名称列表 |
labelDefinitionsSummary |
汇总表的信号标签定义 |
例子
标签定义鲸鱼的歌曲
考虑一组鲸鱼录音。记录的鲸鱼声音由颤音和呻吟。颤音听起来像一系列的点击。呻吟低频叫声相似的声音由船的号角。你想看每个信号和标签识别鲸鱼类型,颤音地区,呻吟的地区。对于每一个颤音地区,你也想标签信号的峰值高于某个阈值。
信号标签定义
定义一个属性标签存储鲸鱼类型。可能的类别是蓝鲸、座头鲸和白鲸。
dWhaleType = signalLabelDefinition (“WhaleType”,…“LabelType”,“属性”,…“LabelDataType”,“分类”,…“类别”,{“蓝”,“座头鲸”,“白色”},…“描述”,“鲸鱼类型”);
定义一个区域(ROI)标签来捕获呻吟的地区。定义另一个ROI标签来捕获颤音的地区。
dMoans = signalLabelDefinition (“MoanRegions”,…“LabelType”,“投资回报”,…“LabelDataType”,“逻辑”,…“描述”,呻吟的地区发生的);dTrills = signalLabelDefinition (“TrillRegions”,…“LabelType”,“投资回报”,…“LabelDataType”,“逻辑”,…“描述”,颤音的地区发生的);
最后,定义一个标签来捕获颤音的峰值点。设置这个标签的sublabeldTrills定义。
dTrillPeaks = signalLabelDefinition (“TrillPeaks”,…“LabelType”,“点”,…“LabelDataType”,“数字”,…“描述”,“颤音峰”);dTrills。Sublabels = dTrillPeaks;
标记信号设置
创建一个labeledSignalSet与鲸鱼信号和标签定义。添加标签值来确定鲸鱼类型、呻吟和颤音地区,颤音的山峰。
负载labelwhalesignalslbldefs = [dWhaleType dMoans dTrills];lss = labeledSignalSet ({whale1 whale2}, lbldefs,“MemberNames”,{“Whale1”,“Whale2”},…“SampleRate”Fs,“描述”,“描述鲸歌地区”);
使用可视化标签等级和标签属性labelDefinitionsHierarchy和labelDefinitionsSummary。
labelDefinitionsHierarchy (lss)
ans = ' WhaleType Sublabels: [] MoanRegions Sublabels: [] TrillRegions Sublabels: TrillPeaks”
labelDefinitionsSummary (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}”““鲸鱼类型”“MoanRegions”“投资回报率”“逻辑”{[“N / A”]} {0 x0双}{0 x0双}{0 x0双}”“呻吟”地区发生”“TrillRegions”“投资回报率”“逻辑”{[“N / A”]} {0 x0双}{0 x0双}{1 x1 signalLabelDefinition}”“颤音”地区发生“
在加载数据的信号对应于两个蓝鲸的歌曲。设置“WhaleType”信号的值。
setLabelValue (lss 1“WhaleType”,“蓝”);setLabelValue (lss 2“WhaleType”,“蓝”);
可视化“标签”财产。新添加的表“WhaleType”信号的值。
lss.Labels
ans =2×3表WhaleType MoanRegions TrillRegions _____ ___________ _______ Whale1蓝色{0 x2表}{0 x3表}Whale2蓝色{0 x2表}{0 x3表}
可视化区域标签
可视化鲸鱼歌曲识别颤音和呻吟。
次要情节(2,1,1)情节((0:长度(whale1) 1) / Fs, whale1) ylabel (“鲸鱼1”次要情节(2,1,2)情节((0:长度(whale2) 1) / Fs, whale2) ylabel (《鲸鱼2》)
呻吟地区持续低频哭泣。
whale1呻吟集中在7秒,12秒,17秒。whale2呻吟集中在约3秒,7秒,16秒。
呻吟区域添加到标记集。指定ROI限制在几秒钟内和标签值。
moanRegionsWhale1 = [6.1 - 7.7;11.4 - 13.1;16.5 - 18.1);mrsz1 =(大小(moanRegionsWhale1, 1) 1);setLabelValue (lss 1“MoanRegions”、moanRegionsWhale1真实(mrsz1));moanRegionsWhale2 = [2.5 - 3.5;5.8 8;15.4 - 16.7);mrsz2 =(大小(moanRegionsWhale2, 1) 1);setLabelValue (lss 2“MoanRegions”、moanRegionsWhale2真实(mrsz2));
颤音地区不同的声音被沉默。
whale1有一个颤音集中在2秒左右。whale2有一个颤音集中在12秒左右。
颤音区域添加到标记集。
trillRegionWhale1 = (1.4 - 3.1);trsz1 =(大小(trillRegionWhale1, 1) 1);setLabelValue (lss 1“TrillRegions”、trillRegionWhale1真实(trsz1));trillRegionWhale2 = 11.1 [13];trsz2 =(大小(trillRegionWhale1, 1) 1);setLabelValue (lss 2“TrillRegions”、trillRegionWhale2真实(trsz2));
创建一个signalMask对象为每个鲸鱼的歌声和使用它来可视化和标签不同的地区。为了更好地可视化,更改标签值逻辑分类。
mr1 = getLabelValues (lss 1“MoanRegions”);mr1。值=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);次要情节(2,1,1)plotsigroi msk1, whale1 ylabel (“鲸鱼1”)举行在mr2 = getLabelValues (lss 2“MoanRegions”);mr2。值=分类(repmat (“呻吟”mrsz2));tr2 = getLabelValues (lss 2“TrillRegions”);tr2。值=分类(repmat (“颤音”trsz2));msk2 = signalMask ([mr2; tr2],“SampleRate”Fs);次要情节(2,1,2)plotsigroi msk2, whale2 ylabel (《鲸鱼2》)举行在
可视化点标签
标签为每个颤音地区三个山峰。对于点标签,您指定点位置和标签值。在这个例子中,在几秒钟内点位置。
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”)举行从peakLocsWhale2 = (11.214 11.288 11.437);peakValsWhale2 = (0.119 0.14 0.15);setLabelValue (lss 2 {“TrillRegions”,“TrillPeaks”},…peakLocsWhale2 peakValsWhale2,“LabelRowIndex”1);次要情节(2,1,2)情节(peakLocsWhale2 peakValsWhale2,“v”)举行从
探索标签值
探索使用的标签值getLabelValues。
getLabelValues (lss)
ans =2×3表WhaleType MoanRegions TrillRegions _____ ___________ _______ Whale1蓝色{3 x2表}{1}x3表Whale2蓝色{3 x2表}{1}x3表
检索呻吟区域标记集的第一个成员。
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表的sublabels标签。
(价值,valueWithSublabel) = getLabelValues (lss 1“TrillRegions”)
值=1×2表_____ _____ ROILimits价值1.4 - 3.1 {[1]}
valueWithSublabel =1×3表ROILimits价值Sublabels TrillPeaks __________ _____ ___________ 1.4 - 3.1 {[1]} {3 x2表}
sublabel检索值,表达作为一个双元素标签名称数组。
getLabelValues (lss 1 {“TrillRegions”,“TrillPeaks”})
ans =3×2表位置值________ __________ 1.553 {[0.2110]}1.626 1.7 {[0.2540]}{[0.2110]}
找到第三个颤音的值峰值对应于第二组的成员。
getLabelValues (lss 2 {“TrillRegions”,“TrillPeaks”},…“LabelRowIndex”,1“SublabelRowIndex”3)
ans =1×2表位置值________ __________ 11.437 {[0.1500]}
计数标签值和创建数据存储
指定一组音频信号的路径与MATLAB®作为mat文件。每个文件包含一个信号变量和采样率。文件的名称列表。
文件夹= fullfile (matlabroot,“工具箱”,“matlab”,“音视频”);lst = dir(添加文件夹,“/ * .mat”));nms = {lst (:) . name}’
nms =7 x1细胞{的唧唧声。垫的}{'gong.mat' } {'handel.mat' } {'laughter.mat'} {'mtlb.mat' } {'splat.mat' } {'train.mat' }
创建一个信号数据存储指向指定的文件夹。设置采样率变量名称Fs,这是常见的所有文件。生成数据存储的一个子集,排除了文件mtlb.mat。使用的数据存储子集作为源labeledSignalSet对象。
sds = signalDatastore(文件夹,“SampleRateVariableName”,“Fs”);sds =子集(sds ~ strcmp (nms,“mtlb.mat”));lss = labeledSignalSet (sds);
创建三个标签定义标签的信号:
定义一个逻辑属性标签适用于信号包含人类的声音。
定义一个数值点标签,标志着每个信号的位置和幅度最大。
定义一个类别的标签(ROI)挑选不重叠的,统一的长度随机每个信号的区域。
信号标签定义添加到标签信号设置。
vc = signalLabelDefinition (“声音”,“LabelType”,“属性”,…“LabelDataType”,“逻辑”,“DefaultValue”、假);mx = signalLabelDefinition (“最大”,“LabelType”,“点”,…“LabelDataType”,“数字”);rs = signalLabelDefinition (“RanROI”,“LabelType”,“投资回报”,…“LabelDataType”,“分类”,“类别”,(“投资回报”“其他”]);(vc mx rs) addLabelDefinitions (lss)
标签的信号:
标签
“handel.mat”和“laughter.mat”人的声音。使用
islocalmax函数来找到每个信号的最大值。标签位置和价值。使用
randROI长度的函数来生成尽可能多的地区N/ 10个样本长度的信号N给定一个最低的分离N/ 6样本之间的地区。标签并将它们分配给它们的位置ROI类别。
当标记点和地区,将样本值转换成时间值。减去1占MATLAB®数组索引和除以样本率。
kj = 1;而hasdata (sds)[团体,信息]=阅读(sds);fs = info.SampleRate;[~,fn] = fileparts (info.FileName);如果fn = =“汉德尔”| | fn = =“笑”setLabelValue (lss kj,“声音”,真正的)结束xm =找到(islocalmax(团体,“MaxNumExtrema”1));setLabelValue (lss kj,“最大”(xm-1) / fs,团体(xm)) N =长度(团体);roi = randROI (N (N / 10),圆(N / 6));setLabelValue (lss kj,“RanROI”、(rois-1) / fs repelem (“投资回报”、大小(roi, 1))) kj = kj + 1;结束
验证,只有两个信号包含的声音。
countLabelValues (lss“声音”)
ans =2×3表声音数百分比_____ _____假4 66.667真2 33.333
确认两个信号的最大振幅1。
countLabelValues (lss“最大”)
ans =5×4表最大数量百分比MemberCount ______________________ _____ _________ ___________ 0.80000000000000004441 16.667 0.94730769230769229505 16.667 16.667 0.89113331915798421612 1 1 1 1 1 2 2 1.0575668990330560071 - 1 16.667 33.333 1
确认每个感兴趣的随机信号有四个不重叠的区域。
countLabelValues (lss“RanROI”)
ans =2×4表RanROI数百分比MemberCount _____ _____ _________ ___________ ROI 24 100 6 0 0 0
创建两个数据存储的数据标记信号设置:
的
signalDatastore对象sd包含信号数据。的
arrayDatastore对象ld包含标识信息。指定您想要包括信息对应于所有创建的标签。
(sd, ld) = createDatastores (lss, (“声音”“RanROI”“最大”]);
使用数据存储中的信息信号和显示他们的标签。
使用一个
signalMask反对用蓝色突出感兴趣的区域。图黄线标记极大值的位置。
红轴标签添加到包含人类声音的信号。
tiledlayout流而hasdata (sd) (sg, nf) =阅读(sd);lbls =阅读(ld);nexttile msk = signalMask (lbls {:} .RanROI {:},“SampleRate”,nf.SampleRate);plotsigroi colorbar (msk, sg)从包含(”)参照线(lbls {:} .Maximum {:} .Location,…“线宽”2,“颜色”,“# EDB120”)如果lbls {:}。声音{:}ylabel (“表示”,“颜色”,“# D95319”)结束结束
函数roilims = randROI地板(N, wid, sep) num = ((N + 9) / (wid + 9));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
版本历史
介绍了R2018b
