小波工具箱

小波工具箱

利用小波分析和合成信号和图像

机器学习和小波深度学习

从实值时间序列和图像数据中导出低方差特征,用于机器学习和深度学习的分类和回归。利用连续小波分析生成时间序列数据的二维时频图,可作为深度卷积神经网络(CNN)的输入。

时频分析

利用连续小波变换(CWT)在时间和频率上联合分析信号,在空间、空间频率和角度上联合分析图像。利用小波相干性揭示常见的时变模式。使用具有恒定q变换(CQT)的非平稳Gabor帧进行自适应时频分析。

离散多分辨率分析

执行decimated离散小波变换(DWT)来分析信号,图像和三维体在逐步细化的八度波段。实现非抽取小波变换。利用技术将非线性或非平稳过程分解为固有的振荡模式。

滤波器

使用正交小波滤波器组如Daubechies, Coiflet, Haar等进行多分辨率分析和特征检测。使用提升方法设计自定义滤波器组。提升还为分析不同分辨率或尺度下的信号和图像提供了一种计算高效的方法。

去噪和压缩

使用小波和小波包去噪技术来保留被其他去噪技术去除或平滑的特征。小波信号降噪应用程序让你可视化和降噪1D信号。利用小波和小波包压缩信号和图像,在不影响感知质量的前提下去除数据。

加速度和部署

通过使用GPU和支持的功能的多核处理器来加速您的代码。使用MATLAB编码器™从支持C/ c++代码生成的小波工具箱函数中生成独立的ansi兼容的C/ c++代码。生成优化的CUDA代码在NVIDIA上运行®支持的功能为gpu。

免费试用

30天的探索就在你的指尖。


准备买什么?

获取价格信息,探索相关产品。2022世界杯八强谁会赢?

你是学生吗?

您的学校可能已经通过校园范围的许可证提供了对MATLAB、Simulink和附加产品的访问。2022世界杯八强谁会赢?

Baidu
map