Дискретный мультирезольтационный анализ

DWT, MODWT, двойное древовидное вейвлет, shearlets, вейвлет, мультисигнальный анализ

Дискретные вейвлет (DWT), включая максимальное перекрытие дискретного вейвлет (MODWT), анализируют сигналы и изображения в постепенно более мелкие октавные полосы. Этот мультирезолюционный анализ позволяет вам обнаружить шаблоны, которые не видны в необработанных данных. Можно использовать вейвлеты, чтобы получить многомасштабные оценки отклонения вашего сигнала или измерить многомасштабную корреляцию между двумя сигналами. Можно также восстановить приближения сигнала (1-D) и изображения (2-D), которые сохраняют только желаемые функции, и сравнить распределение энергии в сигналах между полосами. Shearlets обеспечивают разреженные приближения анизотропных функций на изображениях. Вейвлет обеспечивают семейство преобразований, которые разбивают частотное содержимое сигналов и изображений на постепенно более мелкие интервалы равной ширины.

Используйте функции Wavelet Toolbox™ для анализа сигналов и изображений с помощью децимированных (понижающих дискретизацию) и недекимулированных вейвлет. Можно создать банк фильтров DWT и визуализировать вейвлеты и функции масштабирования во времени и частоте. Можно также создать банк фильтров с помощью собственных пользовательских фильтров и определить, является ли банк фильтров ортогональным или биортогональным. Можно измерить 3-dB полосы пропускания вейвлетов и функции масштабирования. Можно также измерить концентрацию энергии вейвлет и функции масштабирования в теоретических полосах пропускания DWT. Используйте мультисигнальный анализ, чтобы выявить зависимости между несколькими сигналами. Используйте shearlets, чтобы создать чувствительные к направлению разреженные представления изображений. Определите оптимальный вейвлет преобразование пакета для сигнала или изображения. Используйте спектр вейвлет, чтобы получить частотно-временной анализ сигнала.

  • Анализ сигналов
    Децимированные и недекиматированные 1-D вейвлеты, 1-D дискретный банк фильтров вейвлет 1-D двухдревовидные преобразования, вейвлет
  • Анализ изображений
    Децимированные и недекиматированные преобразования 2-D, 2-D двухдревовидные преобразования, shearlets, слияние изображений, вейвлет
  • 3-D анализ
    Дискретный вейвлет объемных данных
  • Мультисигнальный анализ
    Многомерные сигналы, многосигнальный PCA

Рекомендуемые примеры

Scale-Localized Volatility and Correlation

Масштабно-локализованная волатильность и корреляция

Существуют несколько различных изменений вейвлет. Этот пример фокусируется на максимальном перекрывании дискретного вейвлет (MODWT). MODWT является неопределенным вейвлет по диадическим (степеням двойки) шкалам, которое часто используется с финансовыми данными. Одной из приятных функций MODWT для анализа временных рядов является то, что он разделяет отклонение данных по шкалам. Чтобы проиллюстрировать это, рассмотрим ежеквартальные взвешенные по цепочке данные о реальном ВВП США для 1974Q1 к 2012Q4. Данные были преобразованы путем сначала взятия естественного логарифма, а затем вычисления различия за год. Получите MODWT реальных данных ВВП до шестого уровня с вейвлет 'db2'. Исследуйте дисперсию данных и сравните ее с отклонениями по шкале, полученной с помощью MODWT.

Для просмотра документации необходимо авторизоваться на сайте