Wavelet Toolbox™ offre funzioni e app per analizzare e sintetizzare segnali e immagini. Il toolbox comprende algoritmi per l’analisi wavelet continua, la coerenza wavelet, il synchrosqueezing e l’analisi tempo-frequenza di tipo adattivo. Il toolbox dispone altresì di app e funzioni per l’analisi wavelet discreta in versione decimata e non di segnali e immagini, compresi i pacchetti wavelet e le trasformate a doppio albero.
Usando l’analisi wavelet continua, è possibile scoprire l’evoluzione delle caratteristiche spettrali nel tempo, individuare diffusi pattern variabili nel tempo di due segnali ed eseguire il filtraggio localizzato nel tempo. Usando l’analisi wavelet discreta, è possibile analizzare i segnali e le immagini a risoluzioni diverse per rilevare i changepoint, le discontinuità e altri eventi non visibili direttamente nei dati grezzi. È inoltre possibile confrontare i dati statistici dei segnali su più scale, oltre ad eseguire l’analisi frattale dei dati per scoprire i pattern nascosti.
Wavelet Toolbox consente di ottenere una rappresentazione sparsa dei dati, utile per ridurre il rumore o comprimere i dati conservandone le caratteristiche più importanti. Molte funzioni del toolbox supportano la generazione di codice C/C++ per la prototipazione su desktop e la distribuzione su sistemi 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, da usare con il Machine Learning e il Deep Learning per la classificazione e la regressione. Usa l’analisi wavelet continua per generare mappe di tempo-frequenza 2D dei dati di serie storiche, utilizzabili come input con le reti neurali convoluzionali profonde (CNN).
Analisi tempo-frequenza
Analizza segnali e immagini sia nel tempo che nella frequenza con la trasformata wavelet continua (CWT) usando l’app Wavelet Analyzer. Usa la coerenza wavelet per individuare pattern diffusi variabili nel tempo. Esegui analisi tempo-frequenza di tipo adattivo usando frame di Gabor non stazionari con la trasformata a Q costante (CQT).
Analisi multirisoluzione discreta
Esegui una trasformata wavelet discreta decimata (DWT) 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 una serie di tecniche.
Banchi di filtri
Usa banchi di filtri di wavelet ortogonali come Daubechies, Coiflet, Haar e altri per svolgere l’analisi multirisoluzione e il rilevamento delle feature. Progetta wavelet di prima e seconda generazione con il metodo di lifting. Il lifting offre anche un approccio efficiente dal punto di vista computazionale per analizzare un segnale e le 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 le wavelet e i 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. Usa 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:
“Gli algoritmi che abbiamo sviluppato in MATLAB hanno restituito al partecipante il controllo di base del braccio e della mano. Alla fine dello studio è stato in grado di afferrare una bottiglia, versarne il contenuto e poggiarla, come anche prendere un bastoncino e mescolare”.
David Friedenberg, Battelle
Prova gratuita
30 giorni di prova a tua disposizione.
Pronto per acquistare?
Ottieni informazioni sui prezzi e scopri i prodotti complementari.
Sei uno studente?
Richiedi il software MATLAB e Simulink per studenti.
E poi?
Serie di video
Informazioni sulle wavelet
Signal Processing Onramp
Un’introduzione interattiva ai metodi pratici di elaborazione dei segnali per l’analisi spettrale.
MATLAB Expo
Il ruolo chiave dei dati nei sistemi moderni basati sull’IA: individuazione delle parole chiave vocali e non solo
