Анализ сигналов

Прореженные и недекимированные 1-D вейвлет-преобразования, 1-D набор фильтров дискретного вейвлет-преобразования, 1-D преобразования двойного дерева, вейвлет-пакеты

Анализ сигналов с использованием дискретных вейвлет-преобразований, двойных древовидных преобразований и вейвлет-пакетов.

Функции

развернуть все

Дискретные вейвлет-преобразования

`wavedec`	1-D вейвлет-декомпозиция
`waverec`	1-D вейвлет-реконструкция
`dwtfilterbank`	Банк фильтров дискретного вейвлет-преобразования
`dualtree`	Кингсбери Q-сдвиг 1-D двойное дерево комплексного вейвлет-преобразования
`idualtree`	Кингсбери Q-сдвиг 1-D обратное двойное комплексное вейвлет-преобразование
`haart`	Вейвлет-преобразование Haar 1-D
`ihaart`	Обратное 1-D вейвлет-преобразование Хаара
`dddtree`	Двойное дерево и двойная плотность 1-D вейвлет-преобразования
`idddtree`	Обратное двойное дерево и двойная плотность 1-D вейвлет-преобразования
`wrcoef`	Реконструировать одиночную ветвь из 1-D вейвлет-коэффициентов

Преобразования дискретных вейвлет-пакетов

`dwpt`	Мультисигнальное 1-D вейвлет-пакетное преобразование
`idwpt`	Мультисигнальное 1-D обратное вейвлет-пакетное преобразование
`wpdec`	Разложение вейвлет-пакетов 1-D
`wprec`	Восстановление вейвлет-пакета 1-D
`wpcoef`	Коэффициенты вейвлет-пакета
`wprcoef`	Восстановление коэффициентов вейвлет-пакета
`besttree`	Лучший анализ вейвлет-пакетов дерева
`wpspectrum`	Вейвлет-спектр пакетов
`otnodes`	Упорядочение терминальных узлов двоичного дерева вейвлет-пакетов
`depo2ind`	Глубина узла - положение по индексу узла
`ind2depo`	Индекс узла по глубине узла - положение

Непересекающиеся дискретные вейвлет-преобразования и вейвлет-преобразования пакетов

`modwt`	Максимальное перекрытие дискретного вейвлет-преобразования
`imodwt`	Обратное максимальное перекрытие дискретного вейвлет-преобразования
`modwtmra`	Анализ множественных решений на основе MODWT
`modwtcorr`	Многомасштабная корреляция, использующая максимальное перекрытие дискретного вейвлет-преобразования
`modwtvar`	Многомасштабная дисперсия максимального перекрывающегося дискретного вейвлет-преобразования
`modwtxcorr`	Оценки последовательности взаимной корреляции с использованием максимального перекрывающегося дискретного вейвлет-преобразования (MODWT)
`swt`	Дискретное стационарное вейвлет-преобразование 1-D
`iswt`	Обратное дискретное стационарное вейвлет-преобразование 1-D
`modwpt`	Максимальное перекрытие дискретного вейвлет-пакетного преобразования
`imodwpt`	Обратное максимальное перекрытие дискретного вейвлет-пакетного преобразования
`modwptdetails`	Сведения о максимальном перекрытии дискретного вейвлет-пакета

Фрактальный анализ

`dwtleader`	Оценки мультифрактального 1-D вейвлет-лидера
`wfbm`	Дробный броуновский синтез движения
`wfbmesti`	Оценка параметров дробного броуновского движения

Утилиты

`appcoef`	1-D коэффициенты аппроксимации
`dddtreecfs`	Извлечение коэффициентов или проекций волны с двойным деревом/двойной плотностью
`detcoef`	1-D коэффициенты детализации
`dtfilters`	Фильтры анализа и синтеза для банков вейвлет-фильтров с избыточной выборкой
`dwtmode`	Режим расширения дискретного вейвлет-преобразования
`dyaddown`	Диадическое понижение дискретизации
`dyadup`	Диадическая повышающая дискретизация
`labeledSignalSet`	Создание набора маркированных сигналов
`measerr`	Показатели качества аппроксимации сигнала или изображения
`qbiorthfilt`	Биорогональные фильтры первого уровня с двойным деревом
`qorthwavf`	Q-сдвиговые фильтры Kingsbury
`plotdt`	Печать вейвлет-преобразования с двойным деревом или двойной плотностью
`signalLabelDefinition`	Создать определение метки сигнала
`tnodes`	Определение узлов терминала
`treedpth`	Глубина дерева
`wavemngr`	Вейвлет-менеджер
`wenergy`	Энергия для разложения 1-D вейвлет или вейвлет-пакетов
`wmaxlev`	Максимальный уровень вейвлет-декомпозиции
`wpviewcf`	График цветных коэффициентов вейвлет-пакетов
`wvarchg`	Поиск точек изменения расхождения

Приложения

Анализатор мультирастворения сигналов

Разложение сигналов на компоненты, выровненные по времени

Темы

Критически выборочный DWT

Преобразования Haar для данных и изображений временных рядов

Используйте преобразования Хаара для анализа вариабельности сигнала, создания аппроксимаций сигнала и изображений водяных знаков.

Пограничные эффекты

Компенсация дискретных эффектов границы вейвлет-преобразования с помощью заполнения нулем, симметрии и гладкого заполнения.

Недецимированный DWT

Аналитические вейвлеты с использованием вейвлетного преобразования с двойным деревом

Создайте приблизительно аналитические вейвлеты с помощью комплексного вейвлетного преобразования с двойным деревом.

Взаимная корреляция вейвлета для анализа опережения-запаздывания

Измерьте сходство между двумя сигналами в разных масштабах.

Неразрешенные дискретные стационарные вейвлет-преобразования (SWT)

Используйте стационарное вейвлет-преобразование для восстановления инвариантности вейвлет-трансляции.

Критически дискретизированные и избыточно дискретизированные банки вейвлет-фильтров

Узнайте о банках многоуровневых фильтров с древовидной структурой.

Оценка плотности

Оценка плотности с использованием вейвлетов

Используйте вейвлеты для непараметрической оценки плотности вероятности.

Фрактальный анализ

1-D Дробный броуновский синтез движения

Синтезируйте 1-D дробный броуновский сигнал движения.

Многофакторный анализ

Используйте вейвлеты для характеристики закономерности локального сигнала с помощью лидеров вейвлетов.

Вейвлет-анализ пакетов

Вейвлет-пакеты

Используйте вейвлет-пакеты, индексированные по положению, масштабу и частоте, для вейвлет-разложения 1-D и 2-D сигналов.

1-D Вейвлет-анализ пакетов

Анализ сигнала с помощью вейвлет-пакетов с помощью приложения Wavelet Analyzer.

2-D Вейвлет-анализ пакетов

Анализ изображения с помощью вейвлет-пакетов с помощью приложения Wavelet Analyzer.

Вейвлет-пакеты: разложение деталей

В этом примере показано, как вейвлет-пакеты отличаются от дискретного вейвлет-преобразования (DWT).

Характерные примеры

Вейвлет-анализ финансовых данных

Используйте вейвлеты для анализа финансовых данных.

Открыть сценарий

Detecting Discontinuities and Breakdown Points

Обнаружение разрывов и точек поломки

Сигналы с очень быстрой эволюцией, такие как переходные сигналы в динамических системах, могут подвергаться резким изменениям, таким как скачок или резкое изменение первой или второй производной. Анализ Фурье обычно не способен обнаружить эти события. Целью этого примера является показать, как анализ вейвлетами может обнаружить точный момент, когда сигнал изменяется, а также тип (разрыв сигнала или резкое изменение его первой или второй производной) и амплитуду изменения. При обработке изображения одним из основных приложений является обнаружение краев, которое также включает в себя обнаружение резких изменений.

Открыть сценарий