小波工具箱

基于小波的机器学习和深度学习

从实值时间序列和图像数据中获得低方差特征，用于机器学习和深度学习，用于分类和回归。利用连续小波分析生成时间序列数据的二维时频图，可作为深度卷积神经网络(CNN)的输入。

文档|例子

时频分析

采用连续小波变换(CWT)对信号进行时频联合分析，对图像进行空间、空间频率、角度联合分析。利用小波相干揭示常见的时变模式。使用具有常数q变换(CQT)的非平稳Gabor帧进行自适应时频分析。

文档|例子

离散多分辨率分析

执行抽取离散小波变换（DWT）以分析信号、图像和逐渐细化倍频程的3D体积。实现非离散小波变换。使用技术将非线性或非平稳过程分解为固有振荡模式。

文档|例子

滤波器

使用Daubechies, Coiflet, Haar等正交小波滤波器组进行多分辨率分析和特征检测。使用提升法设计自定义滤波器组。提升还提供了一种计算效率高的方法，用于分析不同分辨率或尺度的信号和图像。金宝搏官方网站

文档|例子

去噪和压缩

使用小波和小波包去噪技术来保留被其他去噪技术删除或平滑的特征。小波信号去噪应用程序可以让你可视化和去噪1D信号。使用小波和小波包压缩信号和图像通过去除数据而不影响感知质量。

文档|例子

加速和部署

使用GPU和多核处理器来实现支持的功能，加快代码速度。金宝app使用MATLAB编码器™从支持C/ c++代码生成的小波工具箱函数中生成独立的ansi兼容的C/ c++代码。金宝app生成优化的CUDA代码运行在NVIDIA^®支持功能的图形处理金宝app器。

文档|例子