主要内容

dlmodwt

深度学习最大重叠离散小波变换与多分辨率分析

在页面中全部折叠

    语法

    w = dlmodwt (x)
    w = dlmodwt (x,嗨)
    w = dlmodwt (x,嗨,级别)
    (w, mra) = dlmodwt (___）
    ［___) = dlmodwt (___名称=值)

    描述

    w= dlmodwt (x）的最大重叠离散小波变换(MODWT)x使用具有四个消失矩的Daubechies最小不对称小波的低通(缩放)和高通(小波)滤波器(“sym4”)。默认情况下,dlmodwt采用周期性边界扩展法，将MODWT计算到最大值。dlmodwt需要深度学习工具箱™。

    w= dlmodwt (x，瞧,嗨）使用缩放滤波器罗和小波滤波器嗨在MODWT计算。

    w= dlmodwt (x，瞧,嗨，水平）计算MODWT到中指定的级别水平．

    ［w，mra) = dlmodwt (___）的MODWT的多分辨率分析(MRA)x．

    例子

    ［___) = dlmodwt (___，名称=值）除以前语法中的输入参数外，还使用一个或多个名称-值参数指定选项。例如,边界=“周期”指定边界上的定期扩展。

    例子

    全部折叠

    这个示例使用:

    打开生活的脚本

    加载23通道Espiga3 EEG数据集。数据以200hz采样。每个通道有995个样本。数据集被排列为995 × 23(-by-1)数组。

    负载Espiga3

    将信号存储在一个未格式化的深度学习数组中。

    x = dlarray (Espiga3);

    获取数据的MODWT和MRA。指定数据格式为“TCB”．

    (wt, mra) = dlmodwt (x, DataFormat =“TCB”）;

    确认这两个wt而且mra是无格式dlarray对象。

    谁wtmra
    名称大小字节类属性mra 10x23x1x995 1830800 dlarray wt 10x23x1x995 1830800 dlarray
    退去(wt)
    Ans = 0x0空字符数组
    dim (mra)
    Ans = 0x0空字符数组

    根据MRA绘制重建图。与原始数据集进行比较。

    xrec =总和(mra);次要情节(2,1,1)情节(Espiga3)标题(“原来的脑电图数据集”) subplot(2,1,2) plot(extractdata(squeeze(xrec))') title(“MODWT MRA重建”）

    图中包含2个轴对象。标题为“原始EEG数据集”的坐标轴对象1包含23个类型为line的对象。标题为MODWT MRA Reconstruction的axis对象2包含23个类型为line的对象。

    输入参数

    全部折叠

    输入数组，指定为未格式化的dlarray(深度学习工具箱),一个格式化的dlarray在“认知行为治疗”格式，或数字数组。

    如果x是数字数组还是未格式化数组dlarray，x必须兼容“认知行为治疗”格式。您必须指定“DataFormat”作为某种排列“认知行为治疗”．x在时间维度上必须至少有两个样本。

    例子:dlarray (cos (pi. /(4; 2) *(0:159)),“施”)而且dlarray (cos (pi. /(4; 2) *(0:159))”、“TCB”)两者都指定了对双通道正弦信号的一次批量观测“认知行为治疗”格式。

    数据类型:单|双
    复数的支持:是的

    用于MODWT计算的过滤器，指定为一对偶数长度实值数值向量或未格式化dlarray对象。罗是缩放(低通)滤波器，和嗨是小波(高通)滤波器。

    为了满足MODWT的要求，罗而且嗨必须是正交小波对应的低通和高通滤波器。小波经理wavemngr指定正交小波为第1类小波。

    有效的内建正交小波族是:“提单”), Beylkin (“beyl”), Coiflets (“头巾”), Daubechies (“数据库”), Fejer-Korovkin (“颗”)、哈雾(“哈雾”)、Han线性相位矩(“汉”)， Morris最小带宽(“m”), Symlets (“符号”)和Vaidyanathan (“乌”)．有关每个科的小波列表，请参见wfilters．你也可以用waveinfo用小波族简称。例如,waveinfo (db)．使用wavemngr(“类型”,wn)来确定小波wn是正交的(返回1)。wavemngr(“类型”、“db6”)返回1。

    如果你有罗而且嗨作为数值向量，您可以使用isorthwfb确定正交性:[tf,检查]= isorthwfb (Lo,嗨)．

    如果未指定的,罗而且嗨默认为:[~, ~,嗨]= wfilters(“sym4”)．

    请注意

    可以指定一对空输入罗而且嗨．在这种情况下，dlmodwt函数使用默认过滤器。例如,dlmodwt (x, [] [])相当于dlmodwt (x)．有关更多信息，请参见版本历史．

    数据类型:单|双

    MODWT的转换级别，指定为小于或等于的正整数地板(log2 (T)),在那里T的大小x沿着时间维度。如果未指定的,dlmodwt计算MODWT降至水平地板(log2 (T))．

    数据类型:单|双

    名称-值参数

    指定可选参数对为Name1 = Value1,…,以=家,在那里的名字参数名称和价值对应的值。名-值参数必须出现在其他参数之后，但对的顺序并不重要。

    例子:w = dlmodwt (x, DataFormat = TCB)指定数据格式为“TCB”．

    在MODWT计算中应用于边界的可拓方法，具体为以下之一:

    • “周期”-定期扩展信号

    • “反射”-通过反射扩展信号。该函数使用沿沿的反射信号计算MODWTT的原长度的两倍x．MODWT变换系数也是输入长度的两倍。

    例子:w = dlmodwt (x, DataFormat =“TCB边界=“反射”)通过反射扩展信号。

    输入数据格式x的某种排列“认知行为治疗”．这个论点只有在x未格式化。

    参数中的每个字符必须是以下标签之一:

    • C——频道

    • B——批

    • T——时间

    的dlmodwt函数接受的任何排列“认知行为治疗”．参数的每个元素都标记匹配的维度x．

    例子:w = dlmodwt (x, DataFormat =“旅级战斗队”)指定未格式化的数据格式dlarray对象作为“旅级战斗队”．

    数据类型:字符|字符串

    输出参数

    全部折叠

    的最大重叠离散小波变换x，作为“SCBT”格式化dlarray．w的小波系数和最终级标度系数x．MODWT将信号的能量分成不同的尺度和比例系数。有关更多信息，请参见modwt．

    的大小w取决于计算MODWT时使用的边界可拓方法。

    • 如果信号被周期性地扩展，那么w是水平+ 1 -C——- - - - - -B——- - - - - -T．

    • 如果信号被反射扩展，那么w是水平+ 1 -C——- - - - - -B×2×T．

    水平为MODWT的变换电平。C而且B分别对应通道和批尺寸。的kth排w的小波系数k水平。(水平+ 1)行w包含近似系数。

    如果您指定“DataFormat”，w是一个非格式化dlarray．

    MODWT的多分辨率分析x，作为“SCBT”格式化dlarray．mra包含的投影x小波子空间和缩放空间。有关更多信息，请参见modwtmra．

    mra是水平+ 1 -C——- - - - - -B——- - - - - -T,在那里水平为MODWT的变换电平。的kth排mra控件的详细信息k水平。(水平+ 1)行mra包含了水平水平光滑。

    如果您指定“DataFormat”，mra是一个非格式化dlarray兼容“SCBT”格式。

    要了解更多关于MODWT和MRA之间的区别，请参见比较MODWT和MODWTMRA．

    扩展功能

    版本历史

    介绍了R2022a

    全部展开

    另请参阅

    功能

    对象

    Baidu
    map