stftLayer

Кратковременный слой преобразования Фурье

Описание

Слой STFT вычисляет кратковременное преобразование Фурье входа. Использование этого слоя требует Deep Learning Toolbox™.

Создание

Синтаксис

layer = stftLayer

layer = stftLayer(Name=Value)

Описание

пример

layer = stftLayer создает слой Short-Time Fourier Transform (STFT). Вход к stftLayer должен быть dlarray Объект (Deep Learning Toolbox) в "CBT" формат с размером вдоль измерения времени, больше, чем длина Window.

пример

layer = stftLayer(Name=Value) задает дополнительные параметры с помощью аргументов name-value. Можно задать аналитическое окно и формат выхода среди других.

Свойства

развернуть все

STFT

`Window` — Окно Analysis
`hann(128, 'периодический')` (значение по умолчанию) | вектор

Это свойство доступно только для чтения.

Окно Analysis использовалось для расчета STFT в виде вектора с двумя или больше элементами.

Пример: (1-cos(2*pi*(0:127)'/127))/2 и hann(128) оба задают окно Hann длины 128.

Типы данных: double | single

`OverlapLength` — Количество перекрытых выборок
96 (значение по умолчанию) | положительное целое число

Это свойство доступно только для чтения.

Количество перекрытых выборок в виде положительного целого числа, строго меньшего, чем длина Window.

Шаг между последовательными окнами является различием между длиной окна и количеством перекрытых выборок.

Типы данных: double | single

`FFTLength` — Количество точек ДПФ
128 (значение по умолчанию) | положительное целое число

Это свойство доступно только для чтения.

Количество точек частоты использовалось для расчета дискретного преобразования Фурье в виде положительного целого числа, больше, чем или равный длине окна. Если не заданный, этот аргумент значения по умолчанию к длине окна.

Если длина входных данных вдоль измерения времени меньше количества точек ДПФ, stftLayer правильные клавиатуры данные и окно с нулями, таким образом, у них есть длина, равная FFTLength.

Типы данных: double | single

`TransformMode` — Слой преобразовывает режим
`"mag"` (значение по умолчанию) | `"squaremag"` | `"logmag"` | `"logsquaremag"` | `"realimag"`

Слой преобразовывает режим в виде одного из них:

"mag" — Величина STFT
"squaremag" — STFT придал величине квадратную форму
"logmag" — Натуральный логарифм величины STFT
"logsquaremag" — Натуральный логарифм STFT придал величине квадратную форму
"realimag" — Действительные и мнимые части STFT, конкатенированного по измерению канала

Типы данных: char | string

`OutputMode` — Режим вывода слоя
`"spatiotemporal"` (значение по умолчанию) | `"spatial"` | `"temporal"`

Режим вывода слоя в виде одного из них:

"spatiotemporal" — Отформатируйте выход как последовательность 1D изображений, где высота изображения соответствует частоте, второе измерение соответствует каналу, третья размерность соответствует пакету, и четвертая размерность соответствует времени.
Можно использовать этот режим вывода, чтобы питать выход stftLayer к 1D сверточному слою, когда это необходимо, чтобы применить операцию свертки вдоль частоты. Для получения дополнительной информации смотрите convolution1dLayer (Deep Learning Toolbox).
"spatial" — Отформатируйте выход как последовательность 2D изображений, где высота изображения соответствует частоте, и ширина изображения соответствует времени. Третьи и четвертые размерности соответствуют каналу и пакету, соответственно.
Можно использовать этот режим вывода, чтобы питать выход stftLayer к 2D сверточному слою, когда это необходимо, чтобы применить операцию свертки по двум пространственным измерениям. Для получения дополнительной информации смотрите convolution2dLayer (Deep Learning Toolbox).
"temporal" — Отформатируйте выход как 1D последовательность. Этот формат берет "spatiotemporal" выходной формат и сглаживает высоту изображения в размерность канала. Второе измерение STFT, выход соответствует пакету и третьей размерности, соответствует времени.
Можно использовать этот режим вывода, чтобы питать выход stftLayer к 1D сверточному слою, когда это необходимо, чтобы применить операцию свертки вдоль времени. Для получения дополнительной информации смотрите convolution1dLayer (Deep Learning Toolbox). Можно также использовать этот режим вывода, чтобы использовать stftLayer как часть рекуррентной нейронной сети. Для получения дополнительной информации смотрите lstmLayer (Deep Learning Toolbox) и gruLayer (Deep Learning Toolbox).

Типы данных: char | string

Слой

`WeightLearnRateFactor` — Множитель для скорости обучения веса
0 (значение по умолчанию) | неотрицательный скаляр

Множитель для скорости обучения веса в виде неотрицательного скаляра. Если не заданный, это свойство значения по умолчанию, чтобы обнулить, приводя к весам, которые не обновляются с обучением. Можно также установить это свойство с помощью setLearnRateFactor (Deep Learning Toolbox) функция.

Типы данных: double | single

`Name` — Имя слоя
`''` (значение по умолчанию) | вектор символов | строковый скаляр

Имя слоя в виде вектора символов или строкового скаляра. Для Layer вход массивов, trainNetwork, assembleNetwork, layerGraph, и dlnetwork функции автоматически присваивают имена к слоям с Name установите на ''.

Типы данных: char | string

`NumInputs` — Количество входных параметров
1 (значение по умолчанию)

Это свойство доступно только для чтения.

Количество входных параметров слоя. Этот слой принимает один вход только.

Типы данных: double

`InputNames` — Введите имена
`{'in'}` (значение по умолчанию)

Это свойство доступно только для чтения.

Введите имена слоя. Этот слой принимает один вход только.

Типы данных: cell

`NumOutputs` — Количество выходных параметров
1 (значение по умолчанию)

Это свойство доступно только для чтения.

Количество выходных параметров слоя. Этот слой имеет один выход только.

Типы данных: double

`OutputNames` — Выведите имена
`{'out'}` (значение по умолчанию)

Это свойство доступно только для чтения.

Выведите имена слоя. Этот слой имеет один выход только.

Типы данных: cell

Примеры

свернуть все

Кратковременное преобразование Фурье щебета

Скрипт Open Live Script

Сгенерируйте сигнал, произведенный на уровне 600 Гц в течение 2 секунд. Сигнал состоит из щебета с синусоидально различным содержимым частоты. Сохраните сигнал в массиве глубокого обучения с "CTB" формат.

fs = 6e2; 
x = vco(sin(2*pi*(0:1/fs:2)),[0.1 0.4]*fs,fs);

dlx = dlarray(x,"CTB");

Создайте кратковременный слой преобразования Фурье со свойствами по умолчанию. Создайте dlnetwork объект, состоящий из последовательности, ввел слой и кратковременный слой преобразования Фурье. Задайте минимальную продолжительность последовательности 128 выборок. Запустите сигнал через predict метод сети.

ftl = stftLayer;

dlnet = dlnetwork([sequenceInputLayer(1,MinLength=128) ftl]);
netout = predict(dlnet,dlx);

Преобразуйте сетевой выход в числовой массив. Используйте squeeze функция, чтобы удалить длину 1 канал и пакетные размерности. Постройте величину STFT. Первая размерность массива соответствует частоте и второму ко времени.

q = extractdata(netout);

waterfall(squeeze(q)')
set(gca,XDir="reverse",View=[30 45])
xlabel("Frequency")
ylabel("Time")

Figure contains an axes object. The axes object contains an object of type patch.

Кратковременное преобразование Фурье синусоиды

Скрипт Open Live Script

Сгенерируйте 3 × 160 (× 1), массив, содержащий один пакет синусоидального сигнала с 160 выборками, с тремя каналами. Нормированные частоты синусоиды являются π/4 рад/отсчетом, π/2 рад/отсчет и рад/отсчет 3π/4. Сохраните сигнал как dlarray, определение размерностей в порядке. dlarray переставляет измерения массива к "CBT" форма ожидается нейронной сетью для глубокого обучения.

nch = 3;
N = 160;
x = dlarray(cos(pi.*(1:nch)'/4*(0:N-1)),"CTB");

Создайте кратковременный слой преобразования Фурье, который может использоваться с синусоидой. Задайте прямоугольное окно с 64 выборками, 48 выборок перекрытия между смежными окнами и точки ДПФ 10:24. Задайте режим вывода слоя как "spatial". По умолчанию слой выводит величину STFT.

stfl = stftLayer(Window=rectwin(64), ...
    OverlapLength=48, ...
    FFTLength=1024, ...
    OutputMode="spatial");

Создайте 2D слой dlnetwork объект, содержащий последовательность, ввел слой и слой STFT, который вы только создали. Обработайте каждый канал синусоиды как функция. Задайте длину сигнала как минимальную длину последовательности для входного слоя.

layers = [sequenceInputLayer(nch,MinLength=N) stfl];
dlnet = dlnetwork(layers);

Запустите синусоиду через forward метод сети.

dataout = forward(dlnet,x);

Преобразуйте сетевой выход в числовой массив. Используйте squeeze функционируйте, чтобы свернуть размер 1 пакетная размерность. Постройте величину STFT отдельно для каждого канала в графике водопада.

q = squeeze(extractdata(dataout));

for kj = 1:nch
    subplot(nch,1,kj)
    waterfall(q(:,:,kj)')
    view(30,45)
    zlabel("Ch. "+string(kj))
end

Figure contains 3 axes objects. Axes object 1 contains an object of type patch. Axes object 2 contains an object of type patch. Axes object 3 contains an object of type patch.

Больше о

развернуть все

Кратковременное преобразование Фурье

Кратковременное преобразование Фурье (STFT) используется, чтобы анализировать, как содержимое частоты неустановившегося сигнала изменяется в зависимости от времени.

STFT сигнала вычисляется путем скольжения analysis window длины $M$ по сигналу и вычислению дискретного преобразования Фурье оконных данных. Окно скачкообразно двигается по исходному сигналу с промежутками в $R$ выборки. Функции окна Most сужаются в ребрах, чтобы избежать спектрального вызова. Если ненулевая длина перекрытия $L$ задан, добавление перекрытия, которое оконные сегменты компенсируют затухание сигнала в ребрах окна. ДПФ каждого оконного сегмента добавляется к матрице, которая содержит величину и фазу для каждого момента времени и частоты. Количеством столбцов в матрице STFT дают

$k = ⌊ \frac{N_{x} - L}{M - L} ⌋,$

где $N_{x}$ длина исходного сигнала $x (n)$ и ⌊⌋ символы обозначают функцию пола. Количество строк в матрице равняется _ДПФ N, количеству точек ДПФ, для и двухсторонних преобразований в центре и ⌊NDFT/2 ⌋ + 1 для односторонних преобразований.

Матрицей STFT дают $X (f) = [\begin{matrix} X_{1} (f) & X_{2} (f) & X_{3} (f) & \dots & X_{k} (f) \end{matrix}]$ таким образом, что $m$ элемент th этой матрицы

$X_{m} (f) = \sum_{n = - \infty}^{\infty} x (n) g (n - m R) e^{- j 2 π f n},$

где

$g (n)$ — Функция окна длины $M$ .
$X_{m} (f)$ — ДПФ оконных данных сосредоточен во время $m R$ .
$R$ — Скачкообразно переместите размер между последовательными ДПФ, размер транзитного участка является различием между длиной окна $M$ и длина перекрытия $L$ .

Величина, в квадрате из STFT, уступает spectrogram представление спектральной плотности мощности функции.

Смотрите также

Приложения

Deep Network Designer (Deep Learning Toolbox)

Объекты

dlarray (Deep Learning Toolbox) | dlnetwork (Deep Learning Toolbox)

Функции

dlstft | stft | istft | stftmag2sig

Темы

Список слоев глубокого обучения (Deep Learning Toolbox)

Введенный в R2021b

Документация

stftLayer

Описание

Создание

Синтаксис

Описание

Свойства

STFT

`Window` — Окно Analysis
`hann(128, 'периодический')` (значение по умолчанию) | вектор

`OverlapLength` — Количество перекрытых выборок
96 (значение по умолчанию) | положительное целое число

`FFTLength` — Количество точек ДПФ
128 (значение по умолчанию) | положительное целое число

`TransformMode` — Слой преобразовывает режим
`"mag"` (значение по умолчанию) | `"squaremag"` | `"logmag"` | `"logsquaremag"` | `"realimag"`

`OutputMode` — Режим вывода слоя
`"spatiotemporal"` (значение по умолчанию) | `"spatial"` | `"temporal"`

Слой

`WeightLearnRateFactor` — Множитель для скорости обучения веса
0 (значение по умолчанию) | неотрицательный скаляр

`Name` — Имя слоя
`''` (значение по умолчанию) | вектор символов | строковый скаляр

`NumInputs` — Количество входных параметров
1 (значение по умолчанию)

`InputNames` — Введите имена
`{'in'}` (значение по умолчанию)

`NumOutputs` — Количество выходных параметров
1 (значение по умолчанию)

`OutputNames` — Выведите имена
`{'out'}` (значение по умолчанию)

Примеры

Кратковременное преобразование Фурье щебета

Кратковременное преобразование Фурье синусоиды

Больше о

Кратковременное преобразование Фурье

Смотрите также

Приложения

Объекты

Функции

Темы

Документация Signal Processing Toolbox

Поддержка

Документация

stftLayer

Описание

Создание

Синтаксис

Описание

Свойства

STFT

Window — Окно Analysis hann(128, 'периодический') (значение по умолчанию) | вектор

OverlapLength — Количество перекрытых выборок96 (значение по умолчанию) | положительное целое число

FFTLength — Количество точек ДПФ128 (значение по умолчанию) | положительное целое число

TransformMode — Слой преобразовывает режим "mag" (значение по умолчанию) | "squaremag" | "logmag" | "logsquaremag" | "realimag"

OutputMode — Режим вывода слоя "spatiotemporal" (значение по умолчанию) | "spatial" | "temporal"

Слой

WeightLearnRateFactor — Множитель для скорости обучения веса0 (значение по умолчанию) | неотрицательный скаляр

Name — Имя слоя '' (значение по умолчанию) | вектор символов | строковый скаляр

NumInputs — Количество входных параметров1 (значение по умолчанию)

InputNames — Введите имена {'in'} (значение по умолчанию)

NumOutputs — Количество выходных параметров1 (значение по умолчанию)

OutputNames — Выведите имена {'out'} (значение по умолчанию)

Примеры

Кратковременное преобразование Фурье щебета

Кратковременное преобразование Фурье синусоиды

Больше о

Кратковременное преобразование Фурье

Смотрите также

Приложения

Объекты

Функции

Темы

Документация Signal Processing Toolbox

Поддержка

`Window` — Окно Analysis
`hann(128, 'периодический')` (значение по умолчанию) | вектор

`OverlapLength` — Количество перекрытых выборок
96 (значение по умолчанию) | положительное целое число

`FFTLength` — Количество точек ДПФ
128 (значение по умолчанию) | положительное целое число

`TransformMode` — Слой преобразовывает режим
`"mag"` (значение по умолчанию) | `"squaremag"` | `"logmag"` | `"logsquaremag"` | `"realimag"`

`OutputMode` — Режим вывода слоя
`"spatiotemporal"` (значение по умолчанию) | `"spatial"` | `"temporal"`

`WeightLearnRateFactor` — Множитель для скорости обучения веса
0 (значение по умолчанию) | неотрицательный скаляр

`Name` — Имя слоя
`''` (значение по умолчанию) | вектор символов | строковый скаляр

`NumInputs` — Количество входных параметров
1 (значение по умолчанию)

`InputNames` — Введите имена
`{'in'}` (значение по умолчанию)

`NumOutputs` — Количество выходных параметров
1 (значение по умолчанию)

`OutputNames` — Выведите имена
`{'out'}` (значение по умолчанию)