教程

• 可视化小波，小波包和小波滤波器
  

  获得与特定小波族相对应的滤波器、小波或小波包。

• 时频分析与连续小波变换
  

  了解CWT如何帮助您获得清晰的时频表示。

• 离散小波分析
  

  使用离散小波变换技术分析和脱落信号和图像。

• 严格采样小波包分析
  

  获得一维信号和二维图像的小波包变换。

• 匹配的追求
  

  创建匹配追踪字典并对一维信号执行匹配追踪。

• 提升
  

  在进行离散小波变换时，利用提升来设计小波滤波器。

关于小波

• 什么是小波？
  

  学习关于小波的一般信息以及如何检测信号不连续性。

• 连续和离散小波变换
  

  决定是否使用离散或连续的小波变换。

• 选择一个小波
  

  了解为您的应用选择正确小波的标准。

特色例子

连续小波分析的实用介绍

执行和解释连续小波分析。该示例可帮助您回答常见问题，例如：连续和离散小波分析之间有什么区别？为什么频率或连续小波分析中的尺度是对数间隔的？在什么类型的信号分析问题中是连续小波技术特别有用的？

打开生活的脚本

多分辨率分析实用介绍

执行和解释基本信号多分辨率分析(MRA)。该示例使用模拟数据和真实数据来回答以下问题:多分辨率分析意味着什么?通过执行多分辨率分析，我可以获得关于我的信号的哪些见解?不同MRA技术的优点和缺点是什么?这里展示的许多分析可以使用信号多分辨率分析仪应用程序进行复制。

打开生活的脚本

调制信号的连续小波分析

采用连续小波变换(CWT)对调制信号进行分析。

打开生活的脚本

使用小波信号Denoiser表示信号

使用小波信号Denoiser应用程序来代替真实值的1-D信号。您可以使用应用程序创建和比较多个版本的Denoised信号，并将所需的Denoised信号导出到MATLAB®工作区。要在工作区中重现去噪信号，或者将相同的去噪参数应用于其他数据，可以生成和编辑MATLAB脚本。此示例说明了一个可能的工作流程。

打开生活的脚本

使用小波分析和深度学习分类时间序列

利用深度学习和连续小波变换对心跳心电图数据进行分类。

打开生活的脚本

基于小波时间散射的音乐类型分类

使用小波时间散射和音频数据存储对音乐节录的类型进行分类。在小波散射中，数据通过一系列小波变换、非线性和平均来产生数据的低方差表示。然后将这些低方差表示用作分类器的输入。

打开生活的脚本

规模-局部波动性和相关性

小波变换有许多不同的变化。此示例侧重于最大重叠离散小波变换（MODWT）。MODWT是一个未传定的小波变换，通过二元（两个）尺度的尺度，其经常与财务数据一起使用。时间序列分析的MODWT的一个很好的功能是它按比例分区数据方差。为了说明这一点，请考虑1974Q1至2012Q4的季度链加权的美国真实GDP数据。通过首先采用自然对数然后计算逐年差异来改变数据。使用“DB2”小波使真实GDP数据的MODWT降至六级。检查数据的方差并按MODWT获得的规模比较到差异。

打开脚本

视频

理解小波，第1部分:什么是小波
在这个介绍性的MATLAB技术讲座中探索小波变换的基本概念。本视频介绍了什么是小波，以及如何使用它们在MATLAB中探索数据。视频重点介绍了两个重要的小波变换概念:缩放和移动。这些概念可以应用于图像等二维数据。

理解小波，第2部分:小波变换的类型
详细探讨小波变换的工作原理。您将学习更多关于连续小波变换和离散小波变换的知识。您还将学习在MATLAB中使用小波变换的重要应用。

理解小波，第3部分:离散小波变换的应用实例
了解如何使用对小波来表示信号，同时保留在此Matlab技术谈话中的尖锐功能。该视频概述了使用MATLAB与离散小波变换一起去噪的步骤。了解这种去噪技术如何与其他去噪技术进行比较。

理解小波，第4部分：连续小波变换的示例应用
探讨连续小波变换在MATLAB技术讲座中的实际应用。概述如何使用MATLAB获得一个更清晰的信号时频分析与连续小波变换。本视频以地震信号为例，强调了连续小波变换的频率定位能力。

理解小波，第5部分:机器学习和基于小波散射的深度学习
小波散射网络可帮助您自动从信号和图像中获取低方差功能，以用于机器学习和深度学习应用。在这个Matlab技术谈话中，了解小波散射变换以及如何用作分类的自动鲁棒特征提取器。