小波工具箱
利用小波分析和合成信号和图像
小波工具箱™提供了分析和合成信号和图像的功能和应用程序。工具箱包括用于连续小波分析、小波相干性、同步压缩和数据自适应时频分析的算法。工具箱还包括用于信号和图像的抽取和非抽取离散小波分析的应用程序和函数,包括小波包和双树变换。
使用连续小波分析,您可以探索光谱特征如何随时间演变,识别两个信号中常见的时变模式,并执行时域滤波。使用离散小波分析,您可以分析不同分辨率的信号和图像,以检测原始数据中不容易看到的变化点、不连续点和其他事件。金宝搏官方网站您可以在多个尺度上比较信号统计信息,并对数据执行分形分析以揭示隐藏的模式。
使用小波工具箱可以获得数据的稀疏表示,这对于去噪或压缩数据同时保留重要的特征非常有用。许多工具箱函数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:
基于小波的深度学习技术
利用连续小波分析生成时间序列数据的二维时频图,利用深度卷积神经网络(CNN)作为输入。
参考例子
使用例子来开始使用基于小波的机器学习和深度学习技术。
连续小波变换
利用小波分析软件,利用连续小波变换(CWT)对信号、图像进行时间和频率的联合分析,利用小波相干性揭示常见的时变规律。
利用小波同步压缩从信号中获得更清晰的分辨率并提取振荡模式。重构信号的时频局域逼近或滤除信号的时频分量。
常q变换
使用非平稳Gabor帧和constant-Q变换(CQT)进行自适应时频分析。
抽取小波和小波包分析
执行抽取的离散小波变换(DWT)来分析信号、图像和在逐渐变细的倍频带中的三维体积。
利用小波包变换将信号和图像的频率内容分割成逐渐变窄的等宽区间,同时保留数据的总能量。利用双树小波变换对信号和图像进行移不变、最小冗余的离散小波分析。
非抽取小波和小波包分析
实现非抽取小波变换,如平稳小波变换(SWT)、最大重叠离散小波变换(MODWT)和最大重叠小波包变换。
使用信号多分辨率分析器App生成和比较信号的多电平小波或经验模态分解。
Data-Adaptive转换
利用经验模态分解(EMD)和变分模态分解(VMD)等技术将非线性或非平稳过程分解为固有的振荡模式。
对信号进行希尔伯特谱分析,识别局部特征。
正交和双正交滤波器组
利用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。
双正交样条、反样条等双正交滤波器组可用于数据压缩。
生成C / c++代码
使用MATLAB®Coder™从支持C/ c++代码生成的小波工具箱™函数生成独立的符合ansi标准的C/ c++代码。金宝app
生成优化的CUDA代码运行在NVIDIA gpu支持的功能。金宝app
时频分析
利用变分模分解提取固有模
Kingsbury Q-shift双树复小波变换
执行具有最小冗余度的移不变和方向敏感的离散多分辨率分析
1-D多信号离散小波包变换
自动对多通道信号进行小波包分析
新的例子
介绍连续小波分析和多分辨率分析
wcoherence
功能
在用户指定的频率或周期范围内计算小波相干性
GPU计算
加速连续小波变换和维格纳-维尔分布
GPU的代码生成
为cwt生成单精度代码
C / c++代码生成:
自动生成用于离散小波分析代码,时间 - 频率分析,去噪,多尺度方差估计和单精度代码cwtfilterbank
看到发布说明了解这些特性和相应功能的详细信息。