Wavelet Toolbox propose des applications et des fonctions pour l'analyse temps-fréquence des signaux et pour l'analyse multi-échelles des images. Vous pouvez débruiter et compresser vos données, ainsi que détecter les anomalies, les points de retournement et les transitoires. La toolbox permet de mettre en œuvre des workflows d'intelligence artificielle (IA) centrés sur les données en proposant des transformées temps-fréquence et l'extraction automatisée de caractéristiques, comprenant les transformées de diffusion, les transformées en ondelettes continues (scalogrammes), la distribution de Wigner-Ville et la décomposition modale empirique. Vous pouvez extraire des contours et des caractéristiques orientées des images en utilisant les transformées en ondelettes, en paquets d'ondelettes et en shearlets.
Les applications vous permettent de réaliser de manière interactive des analyses temps-fréquence, des débruitages de signaux ou des analyses d'images, et de générer des scripts MATLAB pour reproduire ou automatiser votre travail.
Vous pouvez générer du code C/C++ et CUDA® à partir des fonctions de la toolbox pour un déploiement embarqué.
Machine Learning et Deep Learning avec les ondelettes
Déterminez des caractéristiques à faible variance à partir de séries temporelles à valeurs réelles et d'images pour la classification et la régression avec des modèles de Machine Learning et de Deep Learning. Utilisez l'analyse continue par ondelettes pour générer des cartes temps-fréquence 2D de séries temporelles, pouvant être utilisées en entrée des réseaux de neurones à convolution (CNN) profonds.
Analyse temps-fréquence
Analysez conjointement des signaux en temps et en fréquence et des images dans l'espace, en fréquence spatiale et en angle avec la transformée en ondelettes continue (CWT). Utilisez l'application Time-Frequency Analyzer pour visualiser les scalogrammes de signaux réels et complexes. Réalisez une analyse temps-fréquence adaptative en utilisant des trames de Gabor non stationnaires avec la transformée à Q constant (CQT).
Analyse multirésolution discrète
Utilisez la transformée en ondelettes discrète (DWT) décimée pour analyser des signaux, des images et des volumes 3D dans des bandes d'octave progressivement réduites. Implémentez des transformées en ondelettes non décimées. Décomposez les processus non linéaires ou non stationnaires en modes intrinsèques d'oscillation grâce à la décomposition modale empirique (EMD).
Bancs de filtres
Utilisez les bancs de filtres en arbre dual pour améliorer la sélectivité directionnelle des images. Concevez des bancs de filtres avec la méthode du lifting. Le lifting en ondelettes offre également une approche de calcul efficace pour l'analyse des signaux et des images à des échelles ou des résolutions différentes.
Débruitage et compression
Utilisez des techniques de débruitage par ondelettes et paquets d'ondelettes pour conserver les caractéristiques supprimées ou lissées par d'autres techniques de débruitage. L'application Wavelet Signal Denoiser vous permet de visualiser et de débruiter des signaux 1D. Utilisez les ondelettes et les algorithmes de paquets d'ondelettes pour compresser les signaux et les images en supprimant des données sans affecter la qualité de la perception.
Accélération et déploiement
Accélérez votre code avec des GPU et des processeurs multicœurs pour les fonctions supportées. Utilisez MATLAB Coder pour générer du code C/C++ ANSI autonome à partir des fonctions de Wavelet Toolbox qui supportent la génération de code C/C++. Générez du code CUDA optimisé exécutable sur des GPU NVIDIA® pour les fonctions supportées.
Ressources liées au produit :
FAQ sur Wavelet Toolbox
Wavelet Toolbox fournit des apps et des fonctions pour l'analyse temps-fréquence des signaux et l'analyse multi-échelle des images, vous permettant de débruiter et de compresser des données, de détecter des anomalies, des points de changement et des transitoires.
Vous pouvez effectuer des analyses temps-fréquence en utilisant des transformées d'ondelettes continues (scalogrammes), la distribution de Wigner-Ville, la décomposition modale empirique, et extraire des contours et des caractéristiques orientées d'images en utilisant des transformées en ondelettes, des paquets d'ondelettes et des transformées shearlet.
Wavelet Toolbox permet des workflows d'IA centrés sur les données en fournissant des transformées temps-fréquence et une extraction automatisée de caractéristiques, y compris des transformées de scattering, qui peuvent générer des cartes temps-fréquence 2D utilisables comme entrées pour des réseaux neuronaux convolutionnels profonds.
Oui, l'app Wavelet Signal Denoiser vous permet de visualiser et de débruiter des signaux 1D, et les techniques par ondelettes peuvent débruiter des images tout en conservant des caractéristiques que d'autres techniques de débruitage pourraient supprimer ou lisser.
Oui, vous pouvez générer du code C/C++ et CUDA à partir des fonctions de Wavelet Toolbox pour le déploiement embarqué en utilisant MATLAB Coder, et accélérer votre code en utilisant le GPU et des processeurs multicœurs pour les fonctions prises en charge.
La CWT permet d'analyser les signaux conjointement dans le temps et la fréquence, avec une visualisation disponible via des scalogrammes dans l'app Time-Frequency Analyzer.
L'analyse multi-résolution discrète utilise la transformée en ondelettes discrète décimée (DWT) pour analyser des signaux, des images et des volumes 3D dans des bandes d'octave de plus en plus fines, et peut décomposer des processus non linéaires ou non stationnaires en utilisant la décomposition modale empirique.
Oui, vous pouvez utiliser des algorithmes par ondelettes et par paquets d'ondelettes pour compresser des signaux et des images en supprimant des données sans affecter la qualité perceptuelle.
Essayez Wavelet Toolbox gratuitement
Découvrez nos produits.
Prêt à acheter ?
Découvrez les tarifs et les produits.
Vous êtes étudiant ?
Votre établissement propose peut-être déjà un accès à MATLAB, Simulink et d'autres produits complémentaires via la licence Campus-Wide.
