Trasformate a Q costante, adattive ai dati e quadratiche nel dominio tempo-frequenza
Ottenere la trasformata a Q costante (CQT) di un segnale e invertire la trasformata per ottenere una ricostruzione perfetta. Scomporre un segnale utilizzando uno schema di suddivisione adattiva delle wavelet. Eseguire un'analisi tempo-frequenza adattiva ai dati di processi non lineari e non stazionari. Scomporre un processo non lineare o non stazionario nelle sue modalità intrinseche di oscillazione. Eseguire un filtraggio tempo-frequenza utilizzando la trasformata di Gabor discreta (DGT) e i moltiplicatori di Gabor. Ottenere stime istantanee della frequenza di un segnale multicomponente non lineare o non stazionario. Restituire le distribuzioni di Wigner-Ville e le distribuzioni incrociate di Wigner-Ville dei segnali.
Funzioni
cqt | Constant-Q nonstationary Gabor transform |
icqt | Inverse constant-Q transform using nonstationary Gabor frames |
dgt | Discrete Gabor transform (Da R2025a) |
tffilt | Time-frequency filtering using binary mask and Gabor transform (Da R2025a) |
emd | Empirical mode decomposition |
ewt | Empirical wavelet transform |
hht | Hilbert-Huang transform |
vmd | Variational mode decomposition |
wvd | Wigner-Ville distribution and smoothed pseudo Wigner-Ville distribution |
xwvd | Cross Wigner-Ville distribution and cross smoothed pseudo Wigner-Ville distribution |
App
| Signal Multiresolution Analyzer | Decompose signals into time-aligned components |
Argomenti
- Frame di Gabor non stazionari e trasformata a Q costante
Apprendere l'analisi frequenza-adattiva dei segnali.
- Empirical Wavelet Transform
Learn about the empirical wavelet transform.


