Contenuto principale

Trasformate a Q costante, adattive ai dati e quadratiche nel dominio tempo-frequenza

CQT monodimensionale, CQT inversa monodimensionale, trasformata wavelet empirica, scomposizione empirica delle modalità, trasformata di Gabor discreta, trasformata di Hilbert-Huang, distribuzione di Wigner-Ville

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

cqtConstant-Q nonstationary Gabor transform
icqtInverse constant-Q transform using nonstationary Gabor frames
dgtDiscrete Gabor transform (Da R2025a)
tffiltTime-frequency filtering using binary mask and Gabor transform (Da R2025a)
emdEmpirical mode decomposition
ewtEmpirical wavelet transform
hhtHilbert-Huang transform
vmdVariational mode decomposition
wvdWigner-Ville distribution and smoothed pseudo Wigner-Ville distribution
xwvdCross Wigner-Ville distribution and cross smoothed pseudo Wigner-Ville distribution

App

Signal Multiresolution AnalyzerDecompose signals into time-aligned components

Argomenti

Esempi in primo piano