Main Content

Wavelet Toolbox

Ausführen einer Zeit-Frequenz- und Wavelet-Analyse von Signalen und Bildern

Die Wavelet Toolbox™ stellt Apps und Funktionen für die Zeit-Frequenz-Analyse von Signalen und für die Multiskalenanalyse von Bildern zur Verfügung. Sie können Daten entrauschen und komprimieren und Anomalien, Änderungspunkte und Transienten erkennen. Die Toolbox ermöglicht datenorientierte KI-Workflows, indem Zeit-Frequenz-Transformationen und automatisierte Merkmalsextraktionen, wie beispielsweise Streuungstransformationen, kontinuierliche Wavelet-Transformationen (Skalogramme), Wigner-Ville-Verteilung und empirische Modus-Zerlegung, bereitgestellt werden. Sie können Kanten und Ausrichtungsmerkmale aus Bildern extrahieren, indem Sie Wavelet-, Wavelet-Paket- und Shearlet-Transformationen verwenden.

Mithilfe der Apps können Sie interaktiv Zeit-Frequenz-Analysen, Signalentrauschen oder Bildanalysen ausführen sowie MATLAB®-Skripts erstellen, mit denen Sie Ihre Arbeit reproduzieren oder automatisieren können.

Aus Toolbox-Funktionen können Sie C/C++ und CUDA®-Code generieren, um eine integrierte Bereitstellung zu ermöglichen.

Erste Schritte mit Wavelet Toolbox

Lernen Sie die Grundlagen von Wavelet Toolbox

Zeit-Frequenz-Analyse

CWT, Konstant-Q-Transformation, empirische Bandzerlegung, Wavelet-Kohärenz, Wavelet-Kreuzspektrum

Diskrete Multiskalenanalyse

DWT, MODWT, Dual-Tree-Wavelet-Transformation, Shearlets, Wavelet-Pakete, Multisignalanalyse

Rauschunterdrückung und Kompression

Wavelet-Shrinkage, nichtparametrische Regression, Block-Schwellenwertverfahren, Multisignal-Schwellenwertverfahren

KI für Signale und Bilder

Wavelet-basierte Techniken für Machine Learning und Deep Learning, GPU-Beschleunigung, Hardwarebereitstellung, Signalkennzeichnung

Filterbänke

Orthogonale und biorthogonale Wavelet- und Skalierungsfilter, Lifting

Codegenerierung und GPU-Unterstützung

Generieren Sie C/C++ und CUDA-Code und MEX-Funktionen und führen Sie Funktionen auf einer Grafikkarte (GPU) aus