处理的信号
多分辨率分析,小波散射,连续小波变换、离散小波变换nondecimated,能量分布、梅尔·声谱图
小波散射使您产生低温度差的数据表示,减少差异在一个类,同时保留辨别力在类。小波散射需要一些指定的参数产生的紧凑表示数据健壮的规模与时间的变化定义。您可以使用这些表征结合机器学习算法的分类和回归。
您可以使用连续小波变换(CWT)生成二维时频时间序列数据的地图,它可以用于二维卷积网络。生成用于时频表示深cnn是一个强大的信号分类方法。CWT的能力同时捕获稳态和瞬态行为的时间序列数据使得小波时频表示特别健壮,搭配深cnn。
与信号处理工具箱™许可证可以包括短时傅里叶变换到你的机器学习和深度学习工作流程。您还可以使用信号贴标签机(信号处理工具箱)标签信号进行分析或用于机器学习和深入学习应用。信号贴标签机保存数据labeledSignalSet对象。与音频工具箱™许可证贴标签机导入和播放音频文件中的数据信号(信号处理工具箱)。您还可以使用melSpectrogram(音频工具箱)特征提取。
应用程序
| 信号贴标签机 | 标签信号属性、地区的兴趣点,提取特征 |
功能
主题
- 小波散射
低温度差的特性来自实值时间序列和图像数据。
- 小波散射不变性规模和过采样
学习如何改变不变性规模和过采样因素影响小波散射变换的输出。
