Wavelet Toolbox™ propose des fonctions et des applications permettant d'analyser et de synthétiser des signaux et des images. La toolbox comprend des algorithmes pour l'analyse continue par ondelettes, l’analyse de cohérence par ondelettes, le synchrosqueezing et l'analyse temps-fréquence adaptative des données. Elle inclut aussi des applications et des fonctions pour l'analyse discrète par ondelettes décimée et non décimée de signaux et d'images, notamment les paquets d'ondelettes et les transformées en arbre dual.
L'analyse continue par ondelettes vous permet d'explorer l'évolution des caractéristiques spectrales dans le temps, d'identifier les caractéristiques communes de deux signaux variant dans le temps et d'effectuer un filtrage localisé dans le temps. L'analyse discrète par ondelettes vous permet d'analyser des signaux et des images avec différentes résolutions pour détecter des points de retournement, des discontinuités et autres événements difficilement visibles dans les données brutes. Vous pouvez comparer les statistiques des signaux sur plusieurs échelles, et effectuer une analyse fractale des données pour déceler des caractéristiques cachées.
Wavelet Toolbox vous offre une représentation parcimonieuse des données, utile pour le débruitage ou la compression des données tout en préservant les caractéristiques importantes. De nombreuses fonctions de cette toolbox supportent la génération de code C/C++ pour le prototypage sur PC et le déploiement sur des systèmes embarqués.
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 afin de les utiliser dans des processus de Machine Learning et Deep Learning pour la classification et la régression. Utilisez l'analyse continue par ondelettes pour générer les cartes temps-fréquence 2D de données de séries temporelles, pouvant être utilisées en entrée des réseaux de neurones à convolution (CNN) profonds.
Analyse temps-fréquence
Réalisez une analyse conjointe temps-fréquence de signaux et d'images avec la transformée en ondelettes continue (CWT) en utilisant l'application Wavelet Analyzer. Utilisez la cohérence des ondelettes pour identifier des caractéristiques communes variant dans le temps. Réalisez une analyse temps-fréquence adaptative en utilisant des trames de Gabor non stationnaires avec la transformée à Q constant (CQT).
Analyse multirésolution discrète
Réalisez des transformées en ondelettes discrètes (DWT) décimées 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 à l'aide de différentes techniques.
Bancs de filtres
Utilisez des bancs de filtres d'ondelettes orthogonales (Daubechies, Coiflet, Haar notamment) pour effectuer l'analyse multirésolution et la détection de caractéristiques. Concevez des ondelettes de première et de deuxième génération en utilisant la méthode de lifting. Le lifting 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 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 produits:
« Les algorithmes que nous avons développés avec MATLAB nous ont permis de redonner à la personne participant à nos travaux un usage de base de sa main et de son bras. À la fin de l'étude, elle pouvait saisir une bouteille, en verser le contenu et la poser ; elle parvenait également à saisir un bâtonnet et à le faire tourner pour mélanger. »
David Friedenberg, Battelle
