Wavelet Toolbox™ предоставляет приложения и функции для анализа и синтезирования сигналов и изображений. Можно обнаружить события как аномалии, точки перехода, и переходные процессы и denoise и сжать данные. Вейвлет и другие многошкальные методы могут использоваться, чтобы анализировать данные в различное время и разрешения частоты и анализировать сигналы и изображения на их различные компоненты. Можно использовать методы вейвлета, чтобы уменьшать размерность и извлечение, отличающее функции от сигналов и изображений, чтобы обучить модели машинного и глубокого обучения.
С Wavelet Toolbox вы можете в интерактивном режиме denoise сигналы, выполнять мультиразрешение и анализ вейвлета, и генерировать MATLAB® код. Тулбокс включает алгоритмы для непрерывного и дискретного анализа вейвлета, пакетного анализа вейвлета, анализа мультиразрешения, рассеивания вейвлета и другого многошкального анализа.
Много функций тулбокса поддерживают C/C++ и CUDA® генерация кода для анализа прототипа и развертывания встраиваемой системы.
Изучите основы Wavelet Toolbox
CWT, постоянное-Q преобразование, эмпирическое разложение моды, когерентность вейвлета, перекрестный спектр вейвлета
DWT, MODWT, двойной древовидный вейвлет преобразовывает, shearlets, пакеты вейвлета, анализ мультисигнала
Уменьшение вейвлета, непараметрическая регрессия, блокирует пороговую обработку, пороговую обработку мультисигнала
Основанные на вейвлете методы для машинного обучения и глубокого обучения, ускорения графического процессора, аппаратного развертывания, маркировки сигнала
Ортогональный и биоортогональный вейвлет и масштабирующиеся фильтры, поднимаясь
Сгенерируйте C/C++ и код CUDA и MEX-функции и функции запуска на графическом процессоре (GPU)