Wavelet Toolbox™ には信号や画像の解析と合成を行うためのアプリと関数が用意されています。異常、変化点、過渡現象などのイベントを検出し、データのノイズ除去と圧縮を行うことができます。ウェーブレットやその他のマルチスケール手法はさまざまな時間分解能や周波数分解能でデータを解析したり、信号や画像をさまざまなコンポーネントに分解したりするために使用できます。ウェーブレット手法を使用すると、次元を削減して信号や画像から識別的特徴を抽出し、機械学習モデルやディープラーニング モデルの学習を行うことができます。
Wavelet Toolbox により、対話的に信号のノイズを除去し、多重解像度およびウェーブレット解析を行い、MATLAB® コードを生成できます。このツールボックスには、連続および離散ウェーブレット解析、ウェーブレットパケット解析、多重解像度解析、ウェーブレット散乱、その他のマルチスケール解析のアルゴリズムが含まれています。
多くのツールボックス関数では、デスクトップ プロトタイピングおよび組み込みシステム実装を行うための C/C++ および CUDA® コード生成をサポートしています。
ウェーブレットを使用した機械学習とディープラーニング
実数値の時系列および画像データから低分散の特徴量を導出して、分類と回帰のための機械学習やディープラーニングで使用できます。連続ウェーブレット解析を使用すると、時系列データの 2D の時間-周波数マップを生成できます。これらは、深層畳み込みニューラルネットワーク (CNN) で入力として使用できます。
ドキュメンテーション | 例
離散多重解像度解析
間引き離散ウェーブレット変換 (DWT) を実行して、信号、画像、3D ボリュームを徐々に細かくなるオクターブバンドで解析します。非間引きウェーブレット変換を実装します。複数の技術を使用して、非線形プロセスまたは非定常プロセスを固有の振動モードに分解します。
ドキュメンテーション | 例
フィルターバンク
Daubechies、Coiflet、Haar などの直交ウェーブレット フィルターバンクを使用して、多重解像度解析と特徴検出を実行します。リフティング手法を使用して、カスタムのフィルターバンクを設計します。リフティングには、信号や画像をさまざまな解像度やスケールで解析するための計算効率の高いアプローチも用意されています。
ドキュメンテーション | 例
ノイズ除去と圧縮
ウェーブレットおよびウェーブレット パケットのノイズ除去手法を使用し、他のノイズ除去手法で削除または平滑化される特徴を保持します。ウェーブレット信号デノイザーアプリを使用すると、1D 信号を可視化しノイズ除去することができます。ウェーブレットとウェーブレット パケットを使用して、知覚的品質に影響を与えずにデータを削除することにより、信号や画像を圧縮します。
ドキュメンテーション | 例
高速化と配布
サポートされている関数で GPU とマルチコアプロセッサを使用してコードを高速化します。MATLAB Coder™ を使用して、C/C++ コード生成のサポートが有効になっている Wavelet Toolbox 関数から、ANSI 準拠のスタンドアロン C/C++ コードを生成します。サポートされている関数の NVIDIA® GPU での実行のために最適化された、CUDA コードを生成します。
ドキュメンテーション | 例