Hai domande? Contatta l’ufficio commerciale.
Wavelet Toolbox fornisce applicazioni e funzioni per l’analisi tempo-frequenza di segnali e l’analisi multiscala delle immagini. Puoi rimuovere il rumore e comprimere i dati, nonché rilevare anomalie, punti di cambiamento e transitori. Il toolbox supporta i workflow “data-centric” di intelligenza artificiale (IA) fornendo trasformate tempo-frequenza ed estrazioni automatizzate di feature, tra cui trasformate scattering, trasformate wavelet continue (scalogrammi), distribuzione di Wigner-Ville ed Empirical Mode Decomposition. Puoi estrarre contorni e feature orientate dalle immagini mediante wavelet, pacchetti wavelet e trasformate shearlet.
Le applicazioni consentono di effettuare in modo interattivo analisi tempo-frequenza, la riduzione del rumore del segnale o l’analisi delle immagini e di generare script MATLAB per riprodurre o automatizzare il tuo lavoro.
Puoi generare codice C/C++ e CUDA® dalle funzioni del toolbox per la distribuzione embedded.
Machine Learning e Deep Learning con le wavelet
Deriva le feature di bassa varianza a partire da dati immagine e serie storiche di valore reale per la classificazione e la regressione con modelli di Machine Learning e Deep Learning. Utilizza l’analisi wavelet continua per generare mappe di tempo-frequenza 2D dei dati di serie storiche, utilizzabili come input con le reti neurali convoluzionali (CNN) profonde.
Analisi tempo-frequenza
Analizza i segnali congiuntamente nel tempo e nella frequenza e le immagini congiuntamente nello spazio, nella frequenza spaziale e nell'angolo con la trasformata wavelet continua (CWT). Utilizza l'applicazione Time-Frequency Analyzer per visualizzare gli scalogrammi dei segnali reali e con valori complessi. Esegui analisi tempo-frequenza di tipo adattivo usando frame di Gabor non stazionari con la trasformata a Q costante (CQT).
Analisi multirisoluzione discreta
Utilizza una trasformata wavelet discreta (DWT) decimata per analizzare segnali, immagini e volumi 3D in bande di ottava progressivamente più precise. Implementa trasformate wavelet in versione non decimata. Decomponi processi non lineari o non stazionari in modalità intrinseche di oscillazione usando Empirical Mode Decomposition (EMD).
Banchi di filtri
Utilizza banchi di filtri a doppio albero per migliorare la selettività direzionale delle immagini. Progetta banchi di filtri personalizzati utilizzando il metodo di lifting. Il lifting offre anche un approccio efficiente dal punto di vista computazionale per analizzare segnali e immagini su scale e risoluzioni diverse.
Riduzione del rumore e compressione
Usa le tecniche di riduzione del rumore tramite wavelet e pacchetti wavelet per trattenere le feature che vengono rimosse o uniformate mediante altre tecniche di riduzione del rumore. L’app Wavelet Signal Denoiser consente di visualizzare e rimuovere il rumore da segnali 1D. Usa algoritmi di wavelet e pacchetti wavelet per comprimere segnali e immagini rimuovendo i dati senza intaccare la qualità percettiva.
Accelerazione e distribuzione
Velocizza il tuo codice usando GPU e processori multicore per le funzioni supportate. Utilizza MATLAB Coder per generare codice C/C++ standalone conforme ad ANSI dalle funzioni di Wavelet Toolbox abilitate per supportare la generazione di codice C/C++. Genera codice CUDA ottimizzato da eseguire sulle GPU di NVIDIA® per le funzioni supportate.
Risorse del prodotto:
FAQ su Wavelet Toolbox
Wavelet Toolbox fornisce app e funzioni per l'analisi tempo-frequenza dei segnali e l'analisi multiscala delle immagini, permettendo di ridurre il rumore e comprimere i dati, rilevare anomalie, punti di cambiamento e transitori.
È possibile eseguire analisi tempo-frequenza utilizzando trasformate wavelet continue (scalogrammi), la distribuzione di Wigner-Ville e la decomposizione empirica dei modi, ed estrarre bordi e caratteristiche orientate dalle immagini mediante trasformate wavelet, wavelet packet e shearlet.
Il toolbox abilita workflow di IA incentrati sui dati fornendo trasformate tempo-frequenza ed estrazione automatica di caratteristiche, incluse le trasformate di scattering, che possono generare mappe tempo-frequenza 2D da utilizzare come input per reti neurali convoluzionali profonde.
Sì. L'app Wavelet Signal Denoiser consente di visualizzare e ridurre il rumore dei segnali 1D, e le tecniche wavelet possono ridurre il rumore delle immagini mantenendo caratteristiche che altre tecniche di riduzione del rumore potrebbero rimuovere o attenuare.
Sì. È possibile generare codice C/C++ e CUDA dalle funzioni del toolbox per il deployment su sistemi embedded utilizzando MATLAB Coder e accelerare il codice sfruttando GPU e processori multicore per le funzioni supportate.
La trasformata wavelet continua (CWT) permette di analizzare i segnali congiuntamente nel dominio del tempo e della frequenza, con visualizzazioni disponibili tramite scalogrammi nell'app Time-Frequency Analyzer.
L'analisi multirisoluzione discreta utilizza la trasformata wavelet discreta decimata (DWT) per analizzare segnali, immagini e volumi 3D in bande di ottava progressivamente più fini, e può decomporre processi non lineari o non stazionari utilizzando la decomposizione empirica dei modi.
Sì. È possibile utilizzare algoritmi wavelet e wavelet packet per comprimere segnali e immagini rimuovendo dati senza alterare la qualità percettiva.
Prova Wavelet Toolbox gratis
Scopri i nostri prodotti.
Pronto per acquistare?
Richiedi una quotazione e scopri i prodotti correlati.
Sei uno studente?
È possibile che la tua scuola già fornisca accesso a MATLAB, Simulink e ad altri prodotti complementari mediante una Campus-Wide License.
