主要内容

dlmodwt

深度学习极大重叠离散小波变换和多分辨率分析

自从R2022a

所有的页面崩溃

    语法

    w = dlmodwt (x)
    w = dlmodwt (x,嗨)
    w = dlmodwt (x,嗨,级别)
    (w, mra) = dlmodwt (___)
    (___)= dlmodwt (___名称=值)

    描述

    w= dlmodwt (x)返回极大重叠离散小波变换(MODWT)x使用低通滤波器(扩展)和高通滤波(小波)过滤器与Daubechies least-asymmetric小波有四个消失的时刻“sym4”)。默认情况下,dlmodwt使用周期性边界扩展和计算MODWT最高水平。dlmodwt需要深度学习工具箱™。

    w= dlmodwt (x,瞧,嗨)使用扩展过滤器罗和小波滤波器嗨在MODWT计算。

    w= dlmodwt (x,瞧,嗨,水平)计算MODWT中指定的水平水平。

    (w,mra)= dlmodwt (___)返回多分辨率分析(MRA)的MODWTx。

    例子

    (___)= dlmodwt (___,名称=值)指定选项使用一个或多个名称参数除了输入参数在以前的语法。例如,边界=“周期”指定周期边界扩展。

    例子

    全部折叠

    这个示例使用:

    打开生活的脚本

    加载23频道Espiga3脑电图数据集。在200 Hz数据采样。有995个样本在每个通道。数据集是安排995 -,- 23(1)数组。

    负载Espiga3

    无格式深度学习数组中存储的信号。

    x = dlarray (Espiga3);

    获得MODWT和MRA的数据。指定的数据格式“TCB”。

    (wt, mra) = dlmodwt (x, DataFormat =“TCB”);

    确认这两个wt和mra是无格式dlarray对象。

    谁wtmra
    类属性名称大小字节mra 10 x23x1x995 1830800 dlarray 10 wt x23x1x995 1830800 dlarray
    退去(wt)
    ans = 0 x0空字符数组
    dim (mra)
    ans = 0 x0空字符数组

    重建基于MRA的阴谋。与原始数据集。

    xrec =总和(mra);次要情节(2,1,1)情节(Espiga3)标题(“原来的脑电图数据集”次要情节(2,1,2)情节(extractdata(挤压(xrec))”)标题(“MODWT MRA重建”)

    图包含2轴对象。坐标轴对象1标题原创脑电图数据集包含23线类型的对象。坐标轴对象2标题MODWT MRA重建包含23线类型的对象。

    输入参数

    全部折叠

    输入数组,指定为一个非格式化dlarray(深度学习工具箱),一个格式化的dlarray在“认知行为治疗”格式或数字数组。

    如果x是一个数值数组或非格式化吗dlarray,x必须兼容吗“认知行为治疗”格式。你必须指定“DataFormat”的排列“认知行为治疗”。x必须至少有两个样品在时间维度。

    例子:dlarray (cos (pi. /(4; 2) *(0:159)),“施”)和dlarray (cos (pi. / (4; 2) * (0:159))”、“TCB”)两个指定一批观察双通道正弦信号的“认知行为治疗”格式。

    数据类型:单|双
    复数的支持:万博1manbetx是的

    过滤器用于MODWT计算,指定为一对就是实值数值向量或未格式化dlarray对象。罗扩展(低通滤波器)过滤器,嗨小波(高通滤波)过滤器。

    为了满足MODWT需求,罗和嗨必须相对应的低通和高通滤波器的正交小波。小波经理wavemngr指定1型小波正交小波。

    有效的内置正交小波的家庭:Best-localized Daubechies (“提单”),Beylkin (“beyl”),Coiflets (“头巾”),Daubechies (“数据库”),Fejer-Korovkin (“颗”)、哈雾(“哈雾”(韩),线性相位时刻“汉”),莫里斯最小带宽(“m”),Symlets (“符号”)和Vaidyanathan (“乌”)。每个家庭中的小波列表,看看wfilters。您还可以使用waveinfo与小波家族短名称。例如,waveinfo (db)。使用wavemngr(“类型”,wn)来确定小波wn正交(返回1)。例如,wavemngr(“类型”、“db6”)返回1。

    如果你有罗和嗨作为数值向量,可以使用isorthwfb确定正交性:[tf,检查]= isorthwfb (Lo,嗨)。

    如果未指定的,罗和嗨默认为:[~,~,嗨]= wfilters (“sym4”)。

    请注意

    您可以指定一个空的输入罗和嗨。在这种情况下,dlmodwt函数使用默认的过滤器。例如,dlmodwt (x, [] [])相当于dlmodwt (x)。有关更多信息,请参见版本历史。

    数据类型:单|双

    变换MODWT,指定为一个正整数小于或等于地板(log2 (T)),在那里T的大小是x在时间维度。如果未指定的,dlmodwt计算MODWT水平地板(log2 (T))。

    数据类型:单|双

    名称-值参数

    指定可选的双参数作为Name1 = Value1,…,以=家,在那里的名字参数名称和吗价值相应的价值。名称-值参数必须出现在其他参数,但对的顺序无关紧要。

    例子:w = dlmodwt (x, DataFormat = TCB)指定的数据格式“TCB”。

    扩展方法应用在MODWT的计算边界,指定为其中的一个:

    • “周期”——定期延长信号

    • “反射”——扩展信号反射。函数计算MODWT使用反射信号沿T维度的原始长度的两倍x。MODWT变换系数也两次输入的长度。

    例子:w = dlmodwt (x, DataFormat =“TCB边界=“反射”)扩展了信号反射。

    数据格式的输入x,指定为某种排列的“认知行为治疗”。这个论点是有效的前提x未格式化。

    每个字符在这个论点必须这些标签之一:

    • C——频道

    • B——批

    • T——时间

    的dlmodwt函数接受任意排列的“认知行为治疗”。每个元素的参数标签的匹配维度x。

    例子:w = dlmodwt (x, DataFormat =“旅级战斗队”)指定非格式化的数据格式dlarray对象作为“旅级战斗队”。

    数据类型:字符|字符串

    输出参数

    全部折叠

    极大重叠离散小波变换x,返回“SCBT”格式化dlarray。w包含小波系数和最终级别比例系数x。MODWT分区的能量信号在不同的尺度和比例系数。有关更多信息,请参见modwt。

    的大小w取决于边界扩展方法用于MODWT的计算。

    • 如果信号定期延长w是水平+ 1 -C——- - - - - -B——- - - - - -T。

    • 如果信号被反射,扩展w是水平+ 1 -C——- - - - - -B×2×T。

    水平是MODWT变换的。C和B分别对应于英吉利海峡和批处理维度。的kth排w包含的小波系数k水平。(水平+ 1)行w包含近似系数。

    如果您指定“DataFormat”,w是一个非格式化dlarray。

    MODWT的多分辨率分析x,返回“SCBT”格式化dlarray。mra包含的预测x小波子空间和扩展空间。有关更多信息,请参见modwtmra。

    mra是水平+ 1 -C——- - - - - -B——- - - - - -T,在那里水平是MODWT变换的。的kth排mra包含的细节k水平。(水平+ 1)行mra包含了水平水平光滑。

    如果您指定“DataFormat”,mra是一个非格式化dlarray兼容“SCBT”格式。

    更多地了解MODWT之间的差异和MRA,明白了比较MODWT和MODWTMRA。

    扩展功能

    版本历史

    介绍了R2022a

    全部展开

    另请参阅

    功能

    对象