stftLayergydF4y2Ba
短时傅里叶变换层gydF4y2Ba
描述gydF4y2Ba
STFT层计算输入的短时傅里叶变换。gydF4y2Ba使用这一层需要深度学习工具箱™。gydF4y2Ba
创建gydF4y2Ba
语法gydF4y2Ba
描述gydF4y2Ba
创建一个gydF4y2Ba短时傅里叶变换gydF4y2Ba(STFT)层。的输入gydF4y2Ba层gydF4y2Ba
= stftLayergydF4y2BastftLayergydF4y2Ba
必须是一个gydF4y2BadlarraygydF4y2Ba
(深度学习工具箱)gydF4y2Ba对象gydF4y2Ba“认知行为治疗”gydF4y2Ba
格式,其沿时间维度的大小大于的长度gydF4y2Ba窗口gydF4y2Ba
。gydF4y2BastftLayergydF4y2Ba
将输出格式化为gydF4y2Ba“SCBT”gydF4y2Ba
。有关更多信息,请参见gydF4y2Ba层输出格式gydF4y2Ba。gydF4y2Ba
请注意gydF4y2Ba
的权重gydF4y2BastftLayergydF4y2Ba
在内部初始化为STFT中用作过滤器的调制窗口。不建议直接初始化权重。gydF4y2Ba
使用一个或多个名称-值参数设置属性。您可以指定分析窗口和重叠样本的数量等。gydF4y2Ba层gydF4y2Ba
= stftLayer (gydF4y2Ba名称=值gydF4y2Ba
)gydF4y2Ba
属性gydF4y2Ba
STFTgydF4y2Ba
窗口gydF4y2Ba
- - - - - -gydF4y2Ba分析窗口gydF4y2Ba
损害gydF4y2Ba
(128年,“周期性”)gydF4y2Ba
(默认)|gydF4y2Ba向量gydF4y2Ba
损害gydF4y2Ba
(128年,“周期性”)gydF4y2Ba此属性是只读的。gydF4y2Ba
用于计算STFT的分析窗口,指定为具有两个或多个元素的向量。gydF4y2Ba
例子:gydF4y2Ba(1-cos(2 *π* (0:127)/ 127))/ 2gydF4y2Ba
而且gydF4y2Ba
都指定长度为128的Hann窗口。gydF4y2Ba损害gydF4y2Ba
(128)gydF4y2Ba
数据类型:gydF4y2Ba双gydF4y2Ba
|gydF4y2Ba单gydF4y2Ba
OverlapLengthgydF4y2Ba
- - - - - -gydF4y2Ba重叠样本数gydF4y2Ba
96gydF4y2Ba
(默认)|gydF4y2Ba正整数gydF4y2Ba
此属性是只读的。gydF4y2Ba
重叠样本的数目,指定为严格小于的长度的正整数gydF4y2Ba窗口gydF4y2Ba
。gydF4y2Ba
连续窗口之间的步幅是窗口长度与重叠样本数之差。gydF4y2Ba
数据类型:gydF4y2Ba双gydF4y2Ba
|gydF4y2Ba单gydF4y2Ba
FFTLengthgydF4y2Ba
- - - - - -gydF4y2BaDFT点数gydF4y2Ba
128gydF4y2Ba
(默认)|gydF4y2Ba正整数gydF4y2Ba
此属性是只读的。gydF4y2Ba
用于计算离散傅里叶变换的频率点数,指定为大于或等于窗口长度的正整数。如果未指定,此参数默认为窗口的长度。gydF4y2Ba
如果输入数据沿时间维的长度小于DFT点的数量,gydF4y2BastftLayergydF4y2Ba
右补数据和窗口的零,因此它们的长度等于gydF4y2BaFFTLengthgydF4y2Ba
。gydF4y2Ba
数据类型:gydF4y2Ba双gydF4y2Ba
|gydF4y2Ba单gydF4y2Ba
TransformModegydF4y2Ba
- - - - - -gydF4y2Ba层变换模式gydF4y2Ba
“杂志”gydF4y2Ba
(默认)|gydF4y2Ba“squaremag”gydF4y2Ba
|gydF4y2Ba“logmag”gydF4y2Ba
|gydF4y2Ba“logsquaremag”gydF4y2Ba
|gydF4y2Ba“realimag”gydF4y2Ba
图层转换模式,指定为以下其中之一:gydF4y2Ba
“杂志”gydF4y2Ba
——STFT级gydF4y2Ba“squaremag”gydF4y2Ba
- STFT平方量级gydF4y2Ba“logmag”gydF4y2Ba
- STFT量级的自然对数gydF4y2Ba“logsquaremag”gydF4y2Ba
- STFT平方量级的自然对数gydF4y2Ba“realimag”gydF4y2Ba
- STFT的实部和虚部,沿着通道尺寸连接gydF4y2Ba
数据类型:gydF4y2Ba字符gydF4y2Ba
|gydF4y2Ba字符串gydF4y2Ba
层gydF4y2Ba
WeightLearnRateFactorgydF4y2Ba
- - - - - -gydF4y2Ba用于权重学习率的乘数gydF4y2Ba
0gydF4y2Ba
(默认)|gydF4y2Ba负的标量gydF4y2Ba
用于权重学习率的乘数,指定为非负标量。如果未指定,此属性默认为零,导致权重不随训练而更新。方法设置此属性gydF4y2BasetLearnRateFactorgydF4y2Ba
(深度学习工具箱)gydF4y2Ba函数。gydF4y2Ba
数据类型:gydF4y2Ba双gydF4y2Ba
|gydF4y2Ba单gydF4y2Ba
的名字gydF4y2Ba
- - - - - -gydF4y2Ba层的名字gydF4y2Ba
”gydF4y2Ba
(默认)|gydF4y2Ba特征向量gydF4y2Ba|gydF4y2Ba字符串标量gydF4y2Ba
层名,指定为字符向量或字符串标量。为gydF4y2Ba层gydF4y2Ba
数组输入,gydF4y2BatrainNetworkgydF4y2Ba
,gydF4y2BaassembleNetworkgydF4y2Ba
,gydF4y2BalayerGraphgydF4y2Ba
,gydF4y2BadlnetworkgydF4y2Ba
函数自动为具有此名称的层分配名称gydF4y2Ba”gydF4y2Ba
。gydF4y2Ba
数据类型:gydF4y2Ba字符gydF4y2Ba
|gydF4y2Ba字符串gydF4y2Ba
NumInputsgydF4y2Ba
- - - - - -gydF4y2Ba输入数量gydF4y2Ba
1gydF4y2Ba
(默认)gydF4y2Ba
此属性是只读的。gydF4y2Ba
层的输入数。该层只接受单个输入。gydF4y2Ba
数据类型:gydF4y2Ba双gydF4y2Ba
InputNamesgydF4y2Ba
- - - - - -gydF4y2Ba输入名字gydF4y2Ba
{'在'}gydF4y2Ba
(默认)gydF4y2Ba
此属性是只读的。gydF4y2Ba
输入图层名称。该层只接受单个输入。gydF4y2Ba
数据类型:gydF4y2Ba细胞gydF4y2Ba
NumOutputsgydF4y2Ba
- - - - - -gydF4y2Ba数量的输出gydF4y2Ba
1gydF4y2Ba
(默认)gydF4y2Ba
此属性是只读的。gydF4y2Ba
层的输出数量。这个层只有一个输出。gydF4y2Ba
数据类型:gydF4y2Ba双gydF4y2Ba
OutputNamesgydF4y2Ba
- - - - - -gydF4y2Ba输出的名字gydF4y2Ba
{“出”}gydF4y2Ba
(默认)gydF4y2Ba
此属性是只读的。gydF4y2Ba
输出层的名称。这个层只有一个输出。gydF4y2Ba
数据类型:gydF4y2Ba细胞gydF4y2Ba
例子gydF4y2Ba
啁啾的短时傅里叶变换gydF4y2Ba
生成一个以600hz采样2秒的信号。该信号由一个频率内容呈正弦变化的啁啾组成。将信号存储在深度学习数组中gydF4y2Ba“施”gydF4y2Ba
格式。gydF4y2Ba
fs = 6 e2;X = vco(sin(2*pi*(0:1/fs:2)),[0.1 0.4]*fs,fs);dlx = dlarray (x,gydF4y2Ba“施”gydF4y2Ba);gydF4y2Ba
创建一个具有默认属性的短时傅里叶变换层。创建一个gydF4y2BadlnetworkgydF4y2Ba
对象,由序列输入层和短时傅里叶变换层组成。指定128个样本的最小序列长度。把信号通过gydF4y2Ba预测gydF4y2Ba
网络的方法。gydF4y2Ba
ftl = stftLayer;dlnet = dlnetwork([sequenceInputLayer(1,MinLength=128) ftl]);netout =预测(dlnet dlx);gydF4y2Ba
将网络输出转换为数字数组。使用gydF4y2Ba挤压gydF4y2Ba
函数用于删除长度为1的通道和批尺寸。画出STFT的大小。数组的第一个维度对应于频率,第二个维度对应于时间。gydF4y2Ba
q = extractdata (netout);瀑布(挤压(q)的)设置(gca XDir =gydF4y2Ba“反向”gydF4y2Ba、查看= 45[30])包含(gydF4y2Ba“频率”gydF4y2Ba) ylabel (gydF4y2Ba“时间”gydF4y2Ba)gydF4y2Ba
正弦信号的短时傅里叶变换gydF4y2Ba
生成一个3 × 160 (× 1)阵列,其中包含一批三通道、160采样的正弦信号。归一化正弦频率为gydF4y2BaπgydF4y2Ba/ 4 rad /样本,gydF4y2BaπgydF4y2Ba/2 rad/sample和3gydF4y2BaπgydF4y2Ba/ 4 rad /样品。将信号保存为gydF4y2BadlarraygydF4y2Ba
,按顺序指定尺寸。gydF4y2BadlarraygydF4y2Ba
对象的数组尺寸排列gydF4y2Ba“认知行为治疗”gydF4y2Ba
深度学习网络所期望的形状。gydF4y2Ba
nch = 3;N = 160;x = dlarray (cos(π。* (1:nch) / 4 * (0: n - 1)),gydF4y2Ba“施”gydF4y2Ba);gydF4y2Ba
创建一个可用于正弦信号的短时傅里叶变换层。指定一个64个样本的矩形窗口,48个相邻窗口之间的重叠样本和1024个DFT点。缺省情况下,该层输出STFT的大小。gydF4y2Ba
stfl = stftLayer(窗口= rectwin (64),gydF4y2Ba...gydF4y2BaOverlapLength = 48岁gydF4y2Ba...gydF4y2BaFFTLength = 1024);gydF4y2Ba
创建一个两层的gydF4y2BadlnetworkgydF4y2Ba
对象,包含序列输入层和刚刚创建的STFT层。把正弦信号的每个通道看作一个特征。指定信号长度为输入层的最小序列长度。gydF4y2Ba
layers = [sequenceInputLayer(nch,MinLength=N) stfl];dlnet = dlnetwork(层);gydF4y2Ba
让正弦信号通过gydF4y2Ba向前gydF4y2Ba
网络的方法。gydF4y2Ba
向前dataout = (dlnet x);gydF4y2Ba
将网络输出转换为数字数组。使用gydF4y2Ba挤压gydF4y2Ba
函数折叠size-1的批处理维度。排列通道和时间维度,使每个阵列页面包含二维光谱图。在瀑布图中分别绘制每个通道的STFT量级。gydF4y2Ba
q =挤压(extractdata (dataout));Q = permute(Q,[1 3 2]);gydF4y2Ba为gydF4y2BaKj = 1:nch subplot(nch,1, Kj) waterfall(q(:,:, Kj)') view(30,45) zlabel(gydF4y2Ba“Ch。”gydF4y2Ba+字符串(kj))gydF4y2Ba结束gydF4y2Ba
更多关于gydF4y2Ba
短时傅里叶变换gydF4y2Ba
利用短时傅里叶变换(STFT)分析非平稳信号的频率内容随时间的变化。STFT的大小平方称为gydF4y2Ba光谱图gydF4y2Ba信号的时频表示。有关频谱图的详细信息以及如何使用信号处理工具箱™函数计算频谱图,请参见gydF4y2Ba频谱图计算与信号处理工具箱gydF4y2Ba。gydF4y2Ba
信号的短时傅里叶变换是通过滑动gydF4y2Ba分析窗口gydF4y2BaggydF4y2Ba(gydF4y2BangydF4y2Ba)gydF4y2Ba的长度gydF4y2Ba米gydF4y2Ba并计算每段加窗数据的离散傅里叶变换(DFT)。窗口以的间隔跳过原始信号gydF4y2BaRgydF4y2Ba样品,相当于gydF4y2BalgydF4y2Ba=gydF4y2Ba米gydF4y2Ba- - - - - -gydF4y2BaRgydF4y2Ba相邻段之间重叠的样本。大多数窗口函数在边缘逐渐减少,以避免频谱振铃。每个加窗段的DFT被添加到一个复值矩阵中,该矩阵包含时间和频率上每个点的幅值和相位。STFT矩阵有gydF4y2Ba
列,gydF4y2BaNgydF4y2BaxgydF4y2Ba是信号的长度吗gydF4y2BaxgydF4y2Ba(gydF4y2BangydF4y2Ba)gydF4y2Ba和gydF4y2Ba⌊⌋gydF4y2Ba符号表示楼层功能。矩阵中的行数等于gydF4y2BaNgydF4y2BaDFTgydF4y2Ba, DFT点的个数,对于中心变换和双面变换,且奇数接近gydF4y2BaNgydF4y2BaDFTgydF4y2Ba/ 2gydF4y2Ba对于实值信号的单边变换。gydF4y2Ba
的gydF4y2Ba米gydF4y2BaSTFT矩阵的第th列gydF4y2Ba 包含以时间为中心的加窗数据的DFTgydF4y2Ba先生gydF4y2Ba:gydF4y2Ba
短时傅里叶变换是可逆的。反演过程重叠增加加窗段,以补偿窗口边缘的信号衰减。有关更多信息,请参见gydF4y2Ba短时傅里叶反变换gydF4y2Ba。gydF4y2Ba
的gydF4y2Ba
istftgydF4y2Ba
函数使信号的STFT颠倒。gydF4y2Ba在特定的环境下,实现信号的“完美重建”是可能的。有关更多信息,请参见gydF4y2Ba完美的重建gydF4y2Ba。gydF4y2Ba
的gydF4y2Ba
stftmag2siggydF4y2Ba
返回由其STFT的大小重建的信号的估计值。gydF4y2Ba
层输出格式gydF4y2Ba
stftLayergydF4y2Ba
将输出格式化为gydF4y2Ba“SCBT”gydF4y2Ba
,一个一维图像序列,其中图像高度对应频率,第二次元对应通道,第三次元对应批次,第四维对应时间。gydF4y2Ba
你可以输入输出gydF4y2Ba
stftLayergydF4y2Ba
不变为一维卷积层,当你想沿着频率(gydF4y2Ba“S”gydF4y2Ba
)维度。有关更多信息,请参见gydF4y2Baconvolution1dLayergydF4y2Ba
(深度学习工具箱)gydF4y2Ba。gydF4y2Ba供给…的输出gydF4y2Ba
stftLayergydF4y2Ba
当你想要沿时间(gydF4y2Ba“T”gydF4y2Ba
)尺寸,你必须在gydF4y2BastftLayergydF4y2Ba
。有关更多信息,请参见gydF4y2BaflattenLayergydF4y2Ba
(深度学习工具箱)gydF4y2Ba。gydF4y2Ba你可以输入输出gydF4y2Ba
stftLayergydF4y2Ba
不变为二维卷积层,当你想沿着频率(gydF4y2Ba“S”gydF4y2Ba
)和时间(gydF4y2Ba“T”gydF4y2Ba
)维度。有关更多信息,请参见gydF4y2Baconvolution2dLayergydF4y2Ba
(深度学习工具箱)gydF4y2Ba。gydF4y2Ba使用gydF4y2Ba
stftLayergydF4y2Ba
作为循环神经网络的一部分,你必须在gydF4y2BastftLayergydF4y2Ba
。有关更多信息,请参见gydF4y2BalstmLayergydF4y2Ba
(深度学习工具箱)gydF4y2Ba而且gydF4y2BagruLayergydF4y2Ba
(深度学习工具箱)gydF4y2Ba。gydF4y2Ba使用…的输出gydF4y2Ba
stftLayergydF4y2Ba
将完全连接的层作为分类工作流的一部分,您必须减少时间(gydF4y2Ba“T”gydF4y2Ba
)的尺寸,使它的大小为1。为了减少输出的时间维度,在完全连接层之前放置一个全局池化层。有关更多信息,请参见gydF4y2BaglobalAveragePooling2dLayergydF4y2Ba
(深度学习工具箱)gydF4y2Ba而且gydF4y2BafullyConnectedLayergydF4y2Ba
(深度学习工具箱)gydF4y2Ba。gydF4y2Ba
版本历史gydF4y2Ba
介绍了R2021bgydF4y2BaR2022b:gydF4y2BaOutputModegydF4y2Ba
属性将在未来版本中删除gydF4y2Ba
的gydF4y2BaOutputModegydF4y2Ba
的属性gydF4y2BastftLayergydF4y2Ba
将在未来的版本中删除。更新代码和网络,使它们与gydF4y2BastftLayergydF4y2Ba
输出gydF4y2Ba“SCBT”gydF4y2Ba
格式。有关更多信息,请参见gydF4y2Ba层输出格式gydF4y2Ba。gydF4y2Ba
另请参阅gydF4y2Ba
应用程序gydF4y2Ba
- 深层网络设计师gydF4y2Ba(深度学习工具箱)gydF4y2Ba
对象gydF4y2Ba
dlarraygydF4y2Ba
(深度学习工具箱)gydF4y2Ba|gydF4y2BadlnetworkgydF4y2Ba
(深度学习工具箱)gydF4y2Ba
功能gydF4y2Ba
dlstftgydF4y2Ba
|gydF4y2BastftgydF4y2Ba
|gydF4y2BaistftgydF4y2Ba
|gydF4y2Bastftmag2siggydF4y2Ba
主题gydF4y2Ba
- 学习使用深度学习的预强调过滤器gydF4y2Ba
- 深度学习层列表gydF4y2Ba(深度学习工具箱)gydF4y2Ba
MATLAB命令gydF4y2Ba
你点击了一个对应于这个MATLAB命令的链接:gydF4y2Ba
在MATLAB命令窗口中输入命令来运行该命令。Web浏览器不支持MATLAB命令。gydF4y2Ba
选择一个网站gydF4y2Ba
选择一个网站,在可用的地方获得翻译的内容,并查看当地的活动和优惠。根据您的地理位置,我们建议您选择:gydF4y2Ba。gydF4y2Ba
您也可以从以下列表中选择网站:gydF4y2Ba
如何获得最佳的网站性能gydF4y2Ba
选择中国网站(中文或英文)以获得最佳的网站表现。其他MathWorks国家网站没有针对从您的位置访问进行优化。gydF4y2Ba
美洲gydF4y2Ba
- 美国拉丁gydF4y2Ba(西班牙语)gydF4y2Ba
- 加拿大gydF4y2Ba(英语)gydF4y2Ba
- 美国gydF4y2Ba(英语)gydF4y2Ba
欧洲gydF4y2Ba
- 比利时gydF4y2Ba(英语)gydF4y2Ba
- 丹麦gydF4y2Ba(英语)gydF4y2Ba
- 德国gydF4y2Ba(德语)gydF4y2Ba
- 西班牙gydF4y2Ba(西班牙语)gydF4y2Ba
- 芬兰gydF4y2Ba(英语)gydF4y2Ba
- 法国gydF4y2Ba(法语)gydF4y2Ba
- 爱尔兰gydF4y2Ba(英语)gydF4y2Ba
- 意大利gydF4y2Ba(意大利语)gydF4y2Ba
- 卢森堡gydF4y2Ba(英语)gydF4y2Ba
- 荷兰gydF4y2Ba(英语)gydF4y2Ba
- 挪威gydF4y2Ba(英语)gydF4y2Ba
- 奥地利gydF4y2Ba(德语)gydF4y2Ba
- 葡萄牙gydF4y2Ba(英语)gydF4y2Ba
- 瑞典gydF4y2Ba(英语)gydF4y2Ba
- 瑞士gydF4y2Ba
- 联合王国gydF4y2Ba(英语)gydF4y2Ba
亚太地区gydF4y2Ba
- 澳大利亚gydF4y2Ba(英语)gydF4y2Ba
- 印度gydF4y2Ba(英语)gydF4y2Ba
- 新西兰gydF4y2Ba(英语)gydF4y2Ba
- 中国gydF4y2Ba
- 日本gydF4y2Ba(日本語)gydF4y2Ba
- 한국gydF4y2Ba(한국어)gydF4y2Ba