Objetivo: Aprender a importar y visualizar múltiples señales o series temporales para obtener información de características y tendencias en los datos.

• Importar, visualizar y navegar por las señales para obtener información de las señales
• Tomar medidas de las señales
• Comprar múltiples señales en el dominio del tiempo y de la frecuencia
• Realizar análisis espectral de manera interactiva
• Extraer regiones de interés para un análisis específico
• Recrear el análisis usando los scripts de MATLAB autogenerados

Objetivo: Aprender técnicas para limpiar señales con operaciones como remuestreo, eliminación de outliers, y tratamiento de datos ausentes.

• Remuestrear para conseguir la misma base temporal en todas las señales
• Trabajar con señales con muestreo no-uniforme
• Búsqueda de muestras ausentes y su eliminación o adjudicación de valor
• Eliminar ruido y contenido frecuencial no deseado
• Aplicar wavelet denoising
• Utilizar espectro envolvente para realizar un análisis por defecto
• Localizar outliers en los datos y reemplazarlos con valores apropiados
• Localizar puntos de cambio y utilizar fronteras para crear automáticamente segmentos en la señal

Objetivo: Aplicar diferentes técnicas en el dominio del tiempo y de la frecuencia para extraer características. Familiarizarse con las herramientas de análisis espectral en MATLAB y explorar las maneras de obtener las características de múltiples señales.

• Localizar de máximos
• Localizar de las señales deseadas a partir de patrones en el dominio del tiempo y el espectral
• Uso de análisis espectral para extraer características de las señales
• Realizar clasificación utilizando aprendizaje supervisado
• Usar la app Classification Learner para entrenar y evaluar interactivamente redes neuronales