Wavelet Toolbox™ обеспечивает функции и приложения для анализа и синтеза сигналов и изображений. Тулбокс включает алгоритмы для непрерывного анализа вейвлета, последовательности вейвлета, synchrosqueezing, и адаптивного данными частотно-временного анализа. Тулбокс также включает приложения и функции для децимированного и неразрешенного дискретного вейвлета анализа сигналов и изображений, включая вейвлет пакеты и двухдревовидные преобразования.
Используя непрерывный вейвлет, можно изучить способ развития спектральных функций с течением времени, идентифицировать общие изменяющиеся во времени шаблоны в двух сигналах и выполнить локализованную во времени фильтрацию. Используя дискретный вейвлет, можно анализировать сигналы и изображения в различных разрешениях, чтобы обнаружить точки изменения, разрывы и другие события, не легко видимые в необработанных данных. Можно сравнить статистику сигналов по нескольким шкалам и выполнить фрактальный анализ данных, чтобы выявить скрытые шаблоны.
С помощью Wavelet Toolbox вы можете получить разреженное представление данных, полезное для шумоподавления или сжатия данных с сохранением важных функций. Многие функции тулбокса поддерживают генерацию кода C/C + + для создания прототипов и развертывания встраиваемых систем.
Изучение основ Wavelet Toolbox
CWT, преобразование константы-Q, эмпирическое разложение моды, когерентность вейвлетов, поперечный спектр вейвлетов
DWT, MODWT, двойное древовидное вейвлет, shearlets, вейвлет, мультисигнальный анализ
Усадка вейвлета, непараметрическая регрессия, блочное пороговое значение, многосигнальное пороговое значение
Вейвлет-рассеяние, основанные на вейвлете методы для машинного обучения и глубокого обучения
Ортогональные и биортогональные вейвлет-и масштабирующие фильтры, подъемные
Сгенерируйте C/C + + и CUDA® Код и MEX-функции, а также запуск функций на графическом процессорном модуле (GPU)