Main Content

La traducción de esta página aún no se ha actualizado a la versión más reciente. Haga clic aquí para ver la última versión en inglés.

Regresión

Separación de fuente de señal, eliminación de ruido y recuperación de señal

Utilice técnicas de deep learning para eliminar ruidos de las señales. Utilice transformadas de tiempo-frecuencia diferenciables para reconstruir señales en las que falte información.

Funciones

expandir todo

cwtLayerContinuous wavelet transform (CWT) layer (desde R2022b)
modwtLayerMaximal overlap discrete wavelet transform (MODWT) layer (desde R2022b)
stftLayerShort-time Fourier transform layer (desde R2021b)
dlcwtDeep learning continuous wavelet transform (desde R2022b)
dlmodwtDeep learning maximal overlap discrete wavelet transform and multiresolution analysis (desde R2022a)
dlstftDeep learning short-time Fourier transform (desde R2021a)
cwtfilterbankContinuous wavelet transform filter bank
findchangeptsFind abrupt changes in signal
findpeaksEncontrar los máximos locales
modwtMaximal overlap discrete wavelet transform
risetime Rise time of positive-going bilevel waveform transitions
stftTransformada de Fourier de tiempo corto (desde R2019a)
signalFrequencyFeatureExtractorStreamline signal frequency feature extraction (desde R2021b)
signalTimeFeatureExtractorStreamline signal time feature extraction (desde R2021a)
waveletScatteringWavelet time scattering
edfheaderCreate header structure for EDF or EDF+ file (desde R2021a)
edfinfoGet information about EDF/EDF+ file (desde R2020b)
edfreadLeer datos del archivo EDF/EDF+ (desde R2020b)
edfwriteCreate or modify EDF or EDF+ file (desde R2021a)
signalDatastoreDatastore for collection of signals (desde R2020a)

Bloques

Wavelet ScatteringModel wavelet scattering network in Simulink (desde R2022b)

Temas