Wavelet Toolbox

신호와 영상의 시간-주파수 및 웨이블릿 분석 수행

Wavelet Toolbox는 신호의 시간-주파수 분석과 영상의 멀티스케일 분석을 위한 앱과 함수를 제공합니다. 데이터의 잡음 제거와 압축을 수행하고 이상, 변화 지점, 과도를 검출할 수 있습니다. 이 툴박스를 사용하면 산란 변환, 연속 웨이블릿 변환(스케일로그램), 위그너-빌 분포, 경험적 모드 분해 등의 시간-주파수 변환, 그리고 자동 특징 추출을 제공하여 데이터 중심 AI(인공 지능) 워크플로를 실현할 수 있습니다. 웨이블릿, 웨이블릿 패킷, 쉬어릿 변환을 사용하여 영상으로부터 경계 및 지향적 특징을 추출할 수 있습니다.

이러한 앱을 통해 시간-주파수 분석, 신호 잡음 제거 또는 영상 분석을 대화형 방식으로 수행하고 MATLAB 스크립트를 생성하여 작업을 재현하거나 자동화할 수 있습니다.

임베디드 배포를 위해 툴박스 함수로부터 C/C++ 및 CUDA^® 코드를 생성할 수 있습니다.

Wavelet Toolbox란?

웨이블릿을 사용한 머신러닝 및 딥러닝

실수 값 시계열 및 영상 데이터에서 분산이 작은 특징을 도출하여 머신러닝 및 딥러닝 모델에서 분류와 회귀에 사용할 수 있습니다. 연속 웨이블릿 분석을 사용하여 시계열 데이터의 2차원 시간-주파수 맵을 생성하고, 이를 심층 CNN(컨벌루션 신경망)의 입력으로 사용할 수 있습니다.

문서 | 예제

시간-주파수 분석

CWT(연속 웨이블릿 변환)로 신호를 시간 및 주파수 영역에서 동시에 분석하고, 영상을 공간, 공간 주파수, 각도에서 동시에 분석할 수 있습니다. 시간-주파수 분석기 앱을 사용하여 실수 및 복소수 신호의 스케일로그램을 시각화할 수 있습니다. CQT(상수-Q 변환)로 비정상 가보르 프레임을 사용하여 적응적 시간-주파수 분석을 수행할 수 있습니다.

문서 | 예제

이산 다중분해능 분석

데시메이션 DWT(이산 웨이블릿 변환)를 사용하여 점점 더 협소해지는 옥타브 대역에서 신호, 영상, 3차원 볼륨을 분석할 수 있습니다. 비데시메이션 웨이블릿 변환을 구현할 수 있습니다. EMD(경험 모드 분해)를 활용하여 비선형 과정이나 비정상 과정을 진동의 내재 모드로 분해할 수 있습니다.

문서 | 예제

필터 뱅크

듀얼 트리 필터 뱅크를 사용하여 영상에서 방향 선택을 향상할 수 있습니다. 리프팅 방법을 통해 사용자 지정 필터 뱅크를 설계할 수 있습니다. 리프팅은 여러 분해능이나 스케일에서 신호와 영상을 분석할 수 있는 연산적으로 효율적인 방법이기도 합니다.

문서 | 예제

웨이블릿으로 잡음 제거된 신호 플롯, 하나의 원본 영상과 웨이블릿 기법을 활용하여 압축된 영상.

잡음 제거 및 압축

웨이블릿 및 웨이블릿 패킷 잡음 제거 기법을 통해 다른 잡음 제거 기법에 의해 제거되었거나 평활화된 특징을 보존할 수 있습니다. 웨이블릿 신호 잡음 제거기 앱으로 1차원 신호를 시각화하고 잡음을 제거할 수 있습니다. 웨이블릿 및 웨이블릿 패킷 알고리즘을 사용하여 체감 품질에 영향을 주지 않고 데이터를 제거하여 신호와 영상을 압축할 수 있습니다.

문서 | 예제

두 신호의 웨이블릿 일관성 및 영향 원뿔을 보여주는 플롯으로, GPU 처리를 통해 속도 향상이 가능한 웨이블릿 함수의 예.

가속화 및 배포

지원하는 함수의 경우 GPU 및 멀티코어 프로세서를 사용하여 코드 실행을 가속화할 수 있습니다. MATLAB Coder를 사용하면 C/C++ 코드 생성을 지원하는 Wavelet Toolbox 함수로부터 독립 실행형 ANSI 준수 C/C++ 코드를 생성할 수 있습니다. 지원하는 함수의 경우 NVIDIA^® GPU에서 실행할 수 있는 최적화된 CUDA 코드를 생성할 수 있습니다.

문서 | 예제