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:
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 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
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
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
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
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 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 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
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.
