Signal Processing Toolbox

Realice procesamiento y análisis de señales

 

Signal Processing Toolbox™ proporciona funciones y apps para analizar, preprocesar y extraer características de señales muestreadas de manera uniforme y no uniforme. Esta toolbox incluye herramientas para diseñar y analizar filtros, remuestrear, suavizar, eliminar tendencias y calcular el espectro de potencia. También proporciona funcionalidad para extraer características como puntos de cambio y envolventes, localizar picos y patrones de señales, cuantificar similitudes de señales y realizar mediciones tales como SNR y distorsión. Asimismo, puede realizar análisis modales y de órdenes de señales de vibración.

Con la app Signal Analyzer es posible preprocesar y analizar varias señales simultáneamente en los dominios de tiempo, frecuencia y tiempo-frecuencia sin escribir código, así como explorar señales largas y extraer regiones de interés. Con la app Filter Designer se pueden diseñar y analizar filtros digitales eligiendo entre diversos algoritmos y respuestas. Ambas apps generan código de MATLAB®.

Cómo empezar:

Machine learning y deep learning para señales

Realice preprocesamiento, ingeniería de características, etiquetado de señales y generación de conjuntos de datos para flujos de trabajo de machine learning y deep learning

Preprocesamiento y extracción de características

Utilice las apps y las funciones integradas para limpiar señales y eliminar los artefactos no deseados antes de entrenar una red profunda.

Extraiga características de dominio de tiempo, frecuencia y tiempo-frecuencia de señales para mejorar las características y reducir la variabilidad y dimensionalidad de los datos para entrenar modelos de deep learning.

Clasificación de señales de ECG mediante redes de memoria a corto y largo plazo

Etiquetado y gestión de conjuntos de datos

Utilice la app Signal Labeler para etiquetar señales con atributos, regiones y puntos de interés. Cree diferentes tipos de etiquetas y subetiquetas.

Administre grandes volúmenes de datos de señales que son demasiado grandes para caber en memoria utilizando almacenes de datos de señales.

Etiquete las señales para analizarlas 

Ejemplos de referencia

Utilice ejemplos para comenzar a usar machine learning y deep learning para señales.

Segmentación de formas de onda con deep learning

Exploración y preprocesamiento de señales

Utilice apps y funciones para explorar, procesar y comprender datos

Exploración de señales

Utilice la app Signal Analyzer para analizar y visualizar señales en los dominios de tiempo, frecuencia y tiempo-frecuencia. Extraiga regiones de interés de las señales para realizar un análisis más profundo.

La app Signal Analyzer también permite medir y analizar señales de diferentes duraciones al mismo tiempo y en la misma vista.

Extracción de regiones de interés del canto de una ballena

Preprocesamiento de datos 

Elimine el ruido de las señales, suavícelas y elimine su tendencia para prepararlas para un análisis más profundo. Elimine los valores atípicos y el contenido espurio de los datos.

Mejore las señales, visualícelas y descubra sus patrones. Cambie la tasa de muestreo de una señal o convierta la tasa de muestreo en constante en señales muestreadas de forma irregular o señales con datos incompletos.

Procesamiento de una señal con muestras ausentes

Mediciones y extracción de características de señales

Mida las características distintivas comunes y extraiga patrones en las señales

Estadísticas descriptivas

Calcule estadísticas descriptivas comunes como máximos, mínimos, desviaciones estándar y niveles de RMS. Encuentre los puntos de cambio en las señales y alinee las señales usando la deformación de tiempo dinámica.

Localice picos de señales y determine su altura, anchura y distancia a los vecinos. Mida características del dominio de tiempo, tales como las amplitudes de pico a pico y las envolventes de señal.

Métricas de pulso y transición

Mida el tiempo de subida, el tiempo de caída, la velocidad de variación, el sobreimpulso, el subimpulso, el tiempo de establecimiento, la anchura de pulso, el periodo de pulso y el ciclo de trabajo.

Velocidad de variación de una forma de onda triangular

Mediciones espectrales

Calcule el ancho de banda y la frecuencia media o mediana de señales o del espectro de potencia. Mida la proporción de señal a ruido (SNR), la distorsión armónica total (THD) y la proporción de señal a ruido y distorsión (SINAD). Mida la distorsión armónica.

Estime la frecuencia instantánea, la entropía espectral y la curtosis espectral.

Mida la potencia de una señal

Diseño y análisis de filtros

Diseñe, analice e implemente diversos filtros digitales y analógicos

Filtros digitales

Diseñe, analice e implemente diversos filtros FIR e IIR digitales, tales como paso bajo, paso alto y banda eliminada, con la app Filter Designer. Visualice las respuestas de magnitud, fase, retardo de grupo, impulso y paso.

Examine los polos y ceros del filtro. Evalúe el rendimiento del filtro probando la estabilidad y la linealidad de fase. Aplique filtros a datos y elimine los retardos y la distorsión de fase usando el filtrado de fase cero.

Filtros analógicos

Diseñe y analice filtros analógicos, incluidos Butterworth, Chebyshev, Bessel y diseños elípticos.

Realice la conversión de filtros analógicos a digitales utilizando métodos de discretización como la invariancia de impulsos y la transformación bilineal.

Comparación de filtros IIR analógicos de paso bajo

Análisis espectral

Caracterice el contenido de frecuencia de una señal

Estimación espectral

Estime la densidad espectral utilizando métodos no paramétricos como el periodograma, el método de promediación de segmentos superpuestos de Welch y el método multitaper. Implemente métodos paramétricos y subespaciales, como el de Burg, la covarianza y MUSIC, para estimar espectros.

Calcule espectros de potencia de señales muestreadas de manera no uniforme o señales con muestras incompletas usando el método de Lomb-Scargle. Mida las similitudes de señales en el dominio de frecuencia mediante el cálculo de la coherencia espectral.

Estimaciones espectrales de Welch

Funciones de ventana

Implemente y visualice funciones de ventana comunes. Utilice la app Window Designer para diseñar y analizar ventanas. Compare los anchos del lóbulo principal y los niveles de los lóbulos laterales de las ventanas como una función de su tamaño y otros parámetros.

Diseñe y analice ventanas espectrales

Análisis de tiempo-frecuencia

Visualice y compare contenido de tiempo-frecuencia de señales no estacionarias 

Distribuciones de tiempo-frecuencia

Utilice la transformada de Fourier de tiempo corto, espectrogramas o distribuciones de Wigner-Ville para analizar señales con contenido espectral variable en el tiempo. Utilice el espectrograma cruzado para comparar señales en el dominio de tiempo-frecuencia.

Transformada de Fourier de tiempo corto

Reasignación y synchrosqueezing

Utilice la técnica de reasignación para mejorar la localización de las estimaciones de tiempo-frecuencia. Identifique crestas de frecuencia-tiempo usando synchrosqueezing.

Frecuencia instantánea de un chirp complejo

Transformadas adaptativas de datos 

Realice análisis de tiempo-frecuencia adaptativos de datos utilizando descomposición de modo empírico, descomposición de modo variable y transformada de Hilbert-Huang.

Descomposición de modo empírico

Análisis de vibración

Caracterice las vibraciones de los sistemas mecánicos

Análisis de órdenes

Utilice el análisis de órdenes para analizar y visualizar el contenido espectral presente en la maquinaria rotativa.

Rastree y extraiga órdenes y sus formas de onda en el dominio de tiempo. Rastree y extraiga perfiles de RPM de señales de vibración. Elimine el ruido de forma coherente con el promedio de tiempo síncrono.

Análisis de vibración de maquinaria rotativa

Análisis modal

Realice análisis modales experimentales mediante el cálculo de funciones de respuesta en frecuencia, frecuencias naturales, tasas de amortiguamiento y formas modales.

Análisis de fatiga

Genere recuentos de flujo de lluvia de ciclo alto para el análisis de fatiga.

Recuento del flujo de lluvia para el análisis de fatiga

Aceleración y despliegue

Utilice GPU para acelerar su código. Genere código fuente C/C++ portátil, ejecutables independientes o aplicaciones independientes a partir de su código de MATLAB®.

Aceleración del código

Acelere el código utilizando GPU y procesadores multinúcleo para las funciones compatibles.

Aceleración de la correlación con GPU

Generación de código

Genere código C/C++ con calidad de producción y archivos MEX para el despliegue en escritorio y en aplicaciones embebidas con MATLAB Coder.

Genere código CUDA optimizado para las funciones compatibles y úselo en GPU NVIDIA.

Generación de código para filtrado de fase cero

Funcionalidades más recientes

App Signal Labeler

Realice un etiquetado de señales interactivo o automatizado.

Almacenes de datos de señales

Trabaje con colecciones de señales existentes en el espacio de trabajo o en archivos.

Análisis de tiempo-frecuencia

Use la descomposición de modo variable para extraer los modos intrínsecos.

Ejemplos de deep learning

Utilice análisis de tiempo-frecuencia y redes neuronales para la clasificación y el etiquetado.

Arrays tall

Opere en arrays altos con las funciones spectrogram y stft.

Soporte para la generación de código de GPU

Genere código CUDA para las funciones fftfilt y stft.

Aceleración por GPU

Acelere las funciones spectrogram, czt, stft y wvd.

Soporte para la generación de código C/C++

Genere código para análisis de tiempo-frecuencia, extracción de características, análisis espectral, procesamiento de señales multifrecuencia y diseño de filtros.

Consulte las notas de la versión para obtener detalles sobre estas funcionalidades y las funciones correspondientes.