signalLabelDefinition
创建信号标签定义
描述
使用signalLabelDefinition为数据集创建信号标签定义。标签可以对应属性、区域或感兴趣的点。使用向量signalLabelDefinition对象来创建labeledSignalSet。
创造
描述
输入参数
性质
对象的功能
labelDefinitionsHierarchy |
获取标签和子标签名称的分层列表 |
标签定义概述 |
获取信号标签定义的汇总表 |
例子
鲸鱼歌曲的标签定义
想想一组鲸鱼的声音录音。记录下来的鲸鱼声音包括颤音和呻吟声。颤音听起来像是一连串的咔哒声。呻吟是类似于轮船喇叭声的低频叫声。你要观察每一个信号，并给它贴上标签，以识别鲸鱼的类型，颤音区和呻吟区。对于每个颤音区域，您还需要标记高于某个阈值的信号峰值。
信号标签定义
定义一个属性标签来存储鲸鱼类型。可能的分类是蓝鲸、座头鲸和白鲸。
dWhaleType=信号标签定义(“WhaleType”，...“LabelType”，“属性”，...“LabelDataType”，“绝对的”，...“类别”, {“蓝”，“座头鲸”，“白色”}，...“描述”，“鲸鱼类型”）;
定义一个感兴趣区域(ROI)标签来捕获抱怨区域。定义另一个ROI标签来捕获颤音区域。
dMoans = signalLabelDefinition (“MoanRegions”，...“LabelType”，“投资回报率”，...“LabelDataType”，“逻辑”，...“描述”，“发出呻吟声的区域”)；dtrill=信号标签定义(“TrillRegions”，...“LabelType”，“投资回报率”，...“LabelDataType”，“逻辑”，...“描述”，“颤音出现的区域”）;
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 = signalLabelDefinition (“颤音峰”，...“LabelType”，“点”，...“LabelDataType”，“数字”，...“描述”，“颤音峰”)；dTrills.Sublabels=dtrillpeak；
标记信号集
创建一个labeledSignalSet用鲸鱼信号和标签定义。添加标签值来识别鲸鱼类型，呻吟和颤音区域，以及颤音的峰值。
负载labelwhalesignalslbldefs=[dWhaleType dMoans DTRILL]；lss=标签信号集（{whale1 whale2}，lbldefs，“MemberNames”, {“Whale1”，“Whale2”}，...“采样器”Fs,“描述”，“描述鲸鱼的歌声区域”）;
使用可视化标签层次结构和标签特性labelDefinitionsHierarchy和标签定义概述。
labelDefinitionsHierarchy (lss)
ans = 'WhaleType子标签:[]MoanRegions子标签:[]TrillRegions子标签: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"
加载数据中的信号对应于两只蓝鲸的歌声。设置“WhaleType”两个信号的值。
setLabelValue (lss 1“WhaleType”，“蓝”）;setLabelValue (lss 2“WhaleType”，“蓝”）;
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 _________ ___________ ____________ Whale1 blue {0x2 table} {0x3 table} Whale2 blue {0x2 table} {0x3 table}
可视化区域标签
想象鲸鱼的歌声来识别颤音和呻吟的区域。
次要情节(2,1,1)情节((0:长度(whale1) 1) / Fs, whale1) ylabel (“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呻吟声集中在7秒、12秒和17秒左右。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集。指定ROI限制(以秒为单位)和标签值。
moanRegionsWhale1 = [6.1 7.7;11.4 - 13.1;16.5 - 18.1);mrsz1 = [size(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));
颤音区域有明显的爆发声，被寂静打断。
whale1以2秒为中心的颤音。whale2以12秒为中心的颤音。
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，true（trsz2））；
创建一个信号屏蔽对象，并使用它来可视化和标记不同的区域。为了更好地可视化，请将标签值从逻辑更改为分类。
mr1 = getLabelValues (lss 1“MoanRegions”）;mr1。值=分类(repmat (“呻吟”mrsz1));tr1 = getLabelValues (lss 1“TrillRegions”); tr1.Value=分类（repmat(“颤音”trsz1));msk1 = signalMask ([mr1; tr1],“采样器”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=GetLabelValue（lss，2，“TrillRegions”）;tr2。值=分类(repmat (“颤音”trsz2));msk2 = signalMask ([mr2; tr2],“采样器”Fs);次要情节(2,1,2)plotsigroi msk2, whale2 ylabel (《鲸鱼2》)举行在
可视化点标签
为每个颤音区域标记三个峰值。对于点标签，您可以指定点位置和标签值。在本例中，点的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”，“颤音峰”}，...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”，“颤音峰”}，...peakLocsWhale2，peakValsWhale2，“LabelRowIndex”1);次要情节(2,1,2)情节(peakLocsWhale2 peakValsWhale2,“v”)举行从
探索标签值
使用查看标签值getLabelValues。
getLabelValues (lss)
ans=2×3表WhaleType MoanRegions三区{uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuul1蓝色{3x2表格}Whale2蓝色{3x2表格}1x3表格}
检索标记集的第一个成员的moan区域。
GetLabelValue（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。
(价值,valueWithSublabel) = getLabelValues (lss 1“TrillRegions”）
值=1×2表ROILimits值__________ _____ 1.4 3.1 {[1]}
valueWithSublabel =1×3表ROILimits价值Sublabels TrillPeaks __________ _____ ___________ 1.4 - 3.1 {[1]} {3 x2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。
getLabelValues (lss 1 {“TrillRegions”，“颤音峰”}）
ans=3×2表位置值{[0.2110]}1.626{[0.2540]}1.7{[0.2110]}
找出第三个颤音峰值对应于集合的第二个成员。
getLabelValues (lss 2 {“TrillRegions”，“颤音峰”}，...“LabelRowIndex”1.“SublabelRowIndex”3)
ans=1×2表位置值{[0.1500]}
统计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”，“音视频”); lst=dir（追加（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，这对所有文件都是通用的。生成排除该文件的数据存储的子集mtlb.mat.使用subset datastore as the source for alabeledSignalSet对象。
sds = signalDatastore(文件夹,“SampleRateVariableName”，“Fs”）;sds =子集(sds ~ strcmp (nms,“mtlb.mat”)); lss=标签信号集（sds）；
创建三个标签定义来标记信号:
为包含人声的信号定义一个逻辑属性标签。
定义一个数字点标签，标记每个信号的最大位置和幅度。
定义一个分类感兴趣区域（ROI）标签，以挑出每个信号的非重叠、等长随机区域。
将信号标签定义添加到标记的信号集中。
vc = signalLabelDefinition (“声音”，“LabelType”，“属性”，...“LabelDataType”，“逻辑”，“默认值”、假);mx = signalLabelDefinition (“最大”，“LabelType”，“点”，...“LabelDataType”，“数字”）;rs = signalLabelDefinition (“RanROI”，“LabelType”，“投资回报率”，...“LabelDataType”，“绝对的”，“类别”，[“投资回报”“其他”])；添加标签定义（lss，[vc mx rs]）
标签的信号:
标签
“handel.mat”和“laughter.mat”就像有人类的声音一样。使用
islocalmax函数查找每个信号的最大值。标记其位置和值。使用
randROI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给定最小的分离N/6个区域间样本。标记他们的位置，并分配给ROI类别。
当标记点和区域时，将样本值转换为时间值。减去1以说明MATLAB®数组索引，并除以样本率。
kj = 1;而Hasdata (sds) [sig,info] = read(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，sig（xm））N=长度（sig）；rois=随机ROI（N，圆形（N/10），圆形（N/6））；setLabelValue（lss，kj，“RanROI”、(rois-1) / fs repelem (“投资回报”，size(rois,1)) kj = kj+1;结束
确认只有两个信号包含语音。
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”）
ans=5×4表最大计数百分比MemberCount ______________________ ____________ ___________ 0.80000000000000004441 1 16.667 1 0.89113331915798421612 1 16.667 1 0.94730769230769229505 1 16.667 11 2 33.333 2 1.0575668990330560071 1 16.667 1
验证每个信号有四个不重叠的随机感兴趣区域。
countLabelValues (lss“RanROI”）
ans=2×4表RanROI计数百分比成员计数uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu
用标记信号集中的数据创建两个数据存储:
的
信号数据存储对象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对应的信息。
(sd, ld) = createDatastores (lss, (“声音”“RanROI”“最大”]);
使用数据存储中的信息绘制信号并显示它们的标签。
使用
信号屏蔽对象以蓝色高亮感兴趣的区域。用黄线标出最大值的位置。
向包含人声的信号添加红色轴标签。
tiledlayout流而Hasdata (sd) [sg,nf] = read(sd); / /读取数据lbls =阅读(ld);nexttile msk = signalMask(lbls{:}。RanROI {:},“采样器”，nf.取样器）；plotsigroi（msk、sg）颜色条从包含(＇＇)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（N，wid，sep）num=floor（（N+sep）/（wid+sep））；hq=histcounts（randi（num+1,1，N-num*wid-（num-1）*sep，（1:num+2）-1/2）；roilims=（1+（0:num-1）*（wid+sep）+cumsum（hq（1:num））+[0 wid-1]；结束
