Wavelet Toolbox には、信号の時間周波数解析や画像のマルチスケール解析のためのアプリや関数が用意されています。データのノイズ除去と圧縮を行い、異常、変化点、過渡状態を検出できます。このツールボックスでは、散乱変換、連続ウェーブレット変換 (スカログラム)、Wigner-Ville 分布、経験的モード分解などの時間周波数変換と自動特徴抽出を提供する、データ中心の人工知能 (AI) ワークフローを利用できます。ウェーブレット変換、ウェーブレット パケット変換、シャーレット変換を使用して、画像からエッジや方向性のある特徴を抽出できます。
時間周波数解析、信号のノイズ除去、画像解析などをアプリで対話的に実行し、MATLAB スクリプトを生成して、作業を再現または自動化できます。
ツールボックス関数から組み込み展開用の C/C++ コードおよび CUDA® コードを生成できます。
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
機械学習モデルやディープラーニング モデルによる分類と回帰のために、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) への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) を使用して、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。経験的モード分解 (EMD) 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
並列木フィルターバンクを使用して、画像における方向選択性を強化します。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手法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て、他のノイズ除去手法では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 アルゴリズムを使用して、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
高速化と展開
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
製品リソース:
あなたは学生ですか?
ご所属の学校にはすでに Campus-Wide License が導入されていて、MATLAB、Simulink、その他のアドオン製品を利用できる可能性があります。
