Wavelet Toolbox™ proporciona apps y funciones para el análisis de tiempo-frecuencia de señales y análisis multiescala de imágenes. Puede eliminar ruido de datos y comprimirlos, además de detectar anomalías, puntos de cambio y transitorios. La toolbox facilita flujos de trabajo de inteligencia artificial (IA) centrados en datos, ya que proporciona transformaciones de tiempo-frecuencia y extracciones de características automatizadas, tales como transformadas de dispersión, transformadas de wavelets continuas (escalogramas), distribución de Wigner-Ville y descomposición de modo empírico. Puede extraer bordes y características orientadas de imágenes utilizando transformadas de shearlets, wavelets y paquetes de wavelets.
Las apps permiten realizar análisis de tiempo-frecuencia, eliminación de ruido de señales o análisis de imágenes de manera interactiva, además de generar scripts de MATLAB® para reproducir o automatizar tareas.
Puede generar código C/C++ y CUDA® a partir de funciones de toolbox para despliegue integrado.
Machine Learning y Deep Learning con wavelets
Derive características de baja varianza a partir de series temporales y datos de imágenes con valores reales para realizar clasificación y regresión en Machine Learning y Deep Learning. Utilice el análisis de wavelets continuas para generar mapas de frecuencias temporales en 2D de datos de series temporales, que se pueden utilizar como entradas en redes neuronales convolucionales profundas (CNN).
Análisis de tiempo-frecuencia
Utilice la transformada wavelet continua (CWT) para analizar señales conjuntamente en el tiempo y la frecuencia, e imágenes conjuntamente en el espacio, el ángulo y la frecuencia espacial. Utilice la coherencia de wavelets para detectar patrones variantes en el tiempo frecuentes. Realice análisis adaptativos de tiempo-frecuencia utilizando tramas de Gabor no estacionarias con la transformada Q constante (CQT).
Análisis de multirresolución discreto
Realice la transformada wavelet discreta diezmada (DWT) para analizar volúmenes en 3D, imágenes y señales en bandas de octavas progresivamente más delgadas. Implemente transformadas wavelet no diezmadas. Utilice técnicas para descomponer procesos no lineales o no estacionarios en modos intrínsecos de oscilación.
Bancos de filtros
Utilice bancos de filtros de wavelets ortogonales, tales como Daubechies, Coiflet, Haar y otros, para realizar análisis de multirresolución y detección de características. Diseñe bancos de filtros personalizados con el método de elevación. La elevación también proporciona un enfoque eficiente en términos computacionales para analizar señales e imágenes con diferentes resoluciones o escalas.
Eliminación de ruido y compresión
Utilice técnicas de eliminación de ruido en wavelets y paquetes de wavelets para mantener las características suprimidas o suavizadas por otras técnicas de eliminación de ruido. La app Wavelet Signal Denoiser permite visualizar y eliminar el ruido de señales en 1D. Utilice wavelets y paquetes de wavelets para comprimir señales e imágenes eliminando datos sin afectar a la calidad de la percepción.
Aceleración y despliegue
Acelere el código utilizando GPU y procesadores multinúcleo para las funciones admitidas. Utilice MATLAB Coder™ para generar código C/C++ independiente conforme con ANSI a partir de las funciones de Wavelet Toolbox que admiten la generación de código C/C++. Genere código CUDA optimizado ejecutable en GPU de NVIDIA® para las funciones admitidas.
Recursos del producto:
Obtenga una versión de prueba gratuita
30 días de exploración a su alcance.
¿Listo para comprar?
Obtenga información sobre precios y explore productos relacionados.
¿Es estudiante?
Es posible que su centro educativo ya ofrezca acceso a MATLAB, Simulink y otros productos complementarios mediante una infraestructura Campus-Wide License.