Haben Sie noch Fragen? Vertrieb kontaktieren.
Die Wavelet Toolbox bietet Apps und Funktionen für die Zeit-Frequenz-Analyse von Signalen und die multiskalare Analyse von Bildern. Sie können Daten entrauschen und komprimieren sowie Anomalien, Änderungspunkte und Transienten erkennen. Die Toolbox ermöglicht datenorientierte KI-Workflows durch Zeit-Frequenz-Transformationen und automatisierte Merkmalsextraktion, darunter Streutransformationen, kontinuierliche Wavelet-Transformationen (Skalogramme), Wigner-Ville-Verteilung und empirische Modus-Zerlegung. Sie können mithilfe von Wavelet-, Wavelet-Paket- und Shearlet-Transformationen Kanten und ausgerichtete Merkmale aus Bildern extrahieren.
Die App ermöglicht interaktive Zeit-Frequenz-Analysen, die Entrauschung von Signalen und Bildanalysen sowie die Generierung von MATLAB-Skripten zur Reproduktion oder Automatisierung Ihrer Arbeit.
Sie können C/C++ und CUDA®-Code aus Toolbox-Funktionen für die Bereitstellung in Embedded Systems generieren.
Machine Learning und Deep Learning mit Wavelets
Leiten Sie Merkmale mit niedriger Varianz aus reellwertigen Zeitreihen und Bilddaten zur Klassifikation und Regression mit Machine-Learning- und Deep-Learning-Modellen ab. Mit kontinuierlichen Wavelet-Analysen können Sie 2D-Zeit-Frequenz-Karten von Zeitreihendaten erzeugen, die als Eingaben für tiefe Convolutional Neural Networks (CNN, faltendes neuronales Netz) dienen.
Zeit-Frequenz-Analyse
Mit der kontinuierlichen Wavelet-Transformation (CWT) analysieren Sie Signale gleichzeitig in Zeit und Frequenz sowie Bilder gleichzeitig im Raum, der räumlichen Frequenz und dem Winkel. Visualisieren Sie mit der Time-Frequency Analyzer-App die Skalogramme von Signalen mit reellen und komplexen Werten. Für adaptive Zeit-Frequenz-Analysen stehen nichtstationäre Gabor Frames mit der Constant-Q-Transformation (CQT) zur Verfügung.
Diskrete Multiresolutionsanalyse
Mit der dezimierten diskreten Wavelet-Transformation (DWT) analysieren Sie Signale, Bilder und 3D-Volumina in schrittweise feineren Oktavenbändern. Daneben lassen sich nicht dezimierte Wavelet-Transformationen implementieren. Weiter steht die empirische Moden-Zerlegung zur Zerlegung nicht linearer oder nicht stationärer Prozesse in Moden ihrer Eigenschwingungen zur Verfügung.
Filterbänke
Verwenden Sie Dual-Tree-Filterbänke zur Verbesserung der direktionalen Selektivität in Bildern. Individuelle Filterbänke lassen sich mit der Lifting-Methode entwickeln. Das Lifting bietet außerdem einen rechnerisch effizienten Ansatz für die Analyse von Signalen und Bildern in verschiedenen Auflösungen oder Skalen.
Entrauschung und Komprimierung
Mit den Entrauschungsverfahren für Wavelets und Wavelet-Pakete können Sie Merkmale beibehalten, die andere Entrauschungsverfahren entfernen oder glätten würden. Mit der Wavelet Signal Denoiser-App können Sie 1D-Signale visualisieren und entrauschen. Durch Kompression mit Wavelets und Wavelet-Paket-Algorithmen lassen sich Daten aus Signalen und Bildern ohne wahrnehmbare Beeinträchtigungen entfernen.
Beschleunigung und Bereitstellung
Beschleunigen Sie Ihren Code mithilfe von Grafikkarten- und Mehrkernprozessoren für entsprechend unterstützte Funktionen. Mit dem MATLAB Coder erzeugen Sie eigenständigen ANSI-konformen C/C++ Code aus den Funktionen der Wavelet Toolbox, die diese Codegenerierung unterstützen. Daneben lässt sich optimierter CUDA-Code für die Ausführung auf NVIDIA®-GPUs aus unterstützten Funktionen generieren.
Produktressourcen:
Kostenlose Testversion anfordern
30 Tage kostenlos ausprobieren.
Bereit zum Kauf?
Angebot anfordern und Erweiterungsprodukte entdecken.
Studieren Sie?
Ihre Hochschule bietet möglicherweise bereits Zugang zu MATLAB, Simulink und Add-on-Produkten über eine Campus-Wide License.
