回帰

信号ソースの分離、ノイズ除去、信号再生

深層学習手法を使用して信号のノイズを除去します。不足している情報がある場合、微分可能な時間-周波数変換を使用して信号を再構成します。

関数

`cwtLayer`	Continuous wavelet transform (CWT) layer (R2022b 以降)
`modwtLayer`	Maximal overlap discrete wavelet transform (MODWT) layer (R2022b 以降)
`stftLayer`	Short-time Fourier transform layer (R2021b 以降)

`cwtmag2sig`	Signal reconstruction from CWT magnitude (R2023b 以降)
`dlcwt`	Deep learning continuous wavelet transform (R2022b 以降)
`dlmodwt`	Deep learning maximal overlap discrete wavelet transform and multiresolution analysis (R2022a 以降)
`dlstft`	深層学習の短時間フーリエ変換 (R2021a 以降)
`cwtfilterbank`	連続ウェーブレット変換フィルターバンク
`findchangepts`	信号の急激な変化の検出
`findpeaks`	局所的最大値
`modwt`	最大重複離散ウェーブレット変換
`risetime`	立ち上がり 2 値波形遷移の立ち上がり時間
`stft`	短時間フーリエ変換
`stftmag2sig`	STFT 振幅からの信号の再構成 (R2020b 以降)
`signalFrequencyFeatureExtractor`	Streamline signal frequency feature extraction (R2021b 以降)
`signalTimeFeatureExtractor`	Streamline signal time feature extraction (R2021a 以降)
`waveletScattering`	Wavelet time scattering

`edfheader`	EDF または EDF+ ファイルのヘッダー構造体の作成 (R2021a 以降)
`edfinfo`	EDF/EDF+ ファイルに関する情報の取得 (R2020b 以降)
`edfread`	EDF/EDF+ ファイルからのデータの読み取り (R2020b 以降)
`edfwrite`	EDF または EDF+ ファイルの作成または変更 (R2021a 以降)
`paddata`	Pad data by adding elements (R2023b 以降)
`resize`	Resize data by adding or removing elements (R2023b 以降)
`trimdata`	Trim data by removing elements (R2023b 以降)
`signalDatastore`	信号コレクションのデータストア (R2020a 以降)

Model wavelet scattering network in Simulink (R2022b 以降)

Manage Data Sets for Machine Learning and Deep Learning Workflows (Signal Processing Toolbox)
Organize, access, and manage data sets for different AI applications.
Signal Recovery with Differentiable Scalograms and Spectrograms (Wavelet Toolbox)
Use differentiable time-frequency transforms and gradient descent to recover a time-domain signal without the need for phase information.
Signal Source Separation Using W-Net Architecture (Signal Processing Toolbox)
Use a deep learning network to separate two mixed signal sources.
Denoise EEG Signals Using Differentiable Signal Processing Layers (Signal Processing Toolbox)
Remove EOG noise from EEG signals using deep learning regression.

Use wavelet-extracted features and an autoencoder to detect arc signals in a DC system.

Learn how to develop an alert system for predictive maintenance using wavelet scattering and deep learning.

この例では、深層学習ネットワークを使用して音声信号をノイズ除去する方法を説明します。例は、同じタスクに適用された 2 つのタイプのネットワーク (全結合と畳み込み) を比較します。