Signal Processing Toolbox

Signalverarbeitung und -analyse

 

Die Signal Processing Toolbox™ bietet Funktionen und Apps zur Analyse, Vorverarbeitung und Extraktion von gleichmäßig und ungleichmäßig abgetasteten Signalen. Die Toolbox umfasst Tools für Filterdesign und -analyse, Resampling, Glättung, Trend-Eliminierung und Leistungsspektrenschätzung. Die Toolbox bietet auch Funktionen zur Extraktion von Merkmalen wie Änderungspunkten und Hüllkurven, zum Suchen von Spitzen und Signalmustern, Quantifizieren von Signalähnlichkeiten und zur Durchführung von Messungen wie z. B. des Signal-Rausch-Verhältnisses und der Verzerrung. Sie können eine Modal- und Ordnungsanalyse der Schwingungssignale durchführen.

Mit der Signal-Analyzer App können Sie mehrere Signale simultan im Zeit-, Frequenz- und Zeit-Frequenz-Bereich vorverarbeiten und analysieren, ohne Code schreiben, lange Signale untersuchen oder Bereiche von Interesse extrahieren zu müssen. Mit der Filter Designer-App können Sie digitale Filter entwerfen und analysieren, indem Sie aus vielen verschiedenen Algorithmen und Filterantworten auswählen. Beide Apps generieren MATLAB®-Code.

Erste Schritte:

Machine Learning und Deep Learning für Signale

Vorverarbeitung, Feature Engineering, Signalkennzeichnung und Datensatzgenerierung für Machine-Learning- und Deep-Learning-Workflows

Vorverarbeitung und Merkmalsextraktion

Nutzen Sie integrierte Funktionen und Apps, um Signale zu bereinigen und unerwünschte Artefakte zu entfernen, bevor Sie ein tiefes Netz trainieren.

Extrahieren von Zeit-, Frequenz- und Zeit-Frequenz-Domänen-Merkmalen aus Signalen, um die Merkmale zu verbessern und die Variabilität und Datendimensionalität für das Training von Deep-Learning Modellen zu reduzieren.

Klassifikation von EKG-Signalen mit LSTM-Netzen (Long Short-Term Memory)

Kennzeichnung und Datensatzverwaltung

Verwenden Sie die Signal-Labeler-App, um Signale mit Attributen, Regionen und Points of Interest zu kennzeichnen. Erstellen Sie verschiedene Arten von Etiketten und Unteretiketten.

Die Verwaltung großer Signaldatenvolumen, die für die Speicherkapazität zu umfangreich sind, ist mithilfe von Signaldatenspeichern möglich.

Zu untersuchende Signale kennzeichnen 

Referenzbeispiele

Verwenden Sie Beispiele, um mit Machine Learning und Deep Learning für Signale zu beginnen.

Wellenform-Segmentierung mit Deep Learning

Untersuchung und Vorverarbeitung von Signalen

Nutzen Sie Apps und Funktionen, um Daten zu untersuchen, zu verarbeiten und zu verstehen

Untersuchung von Signalen

Mit der Signal-Analyzer-App können Sie Signale im Zeit-, Frequenz- und Zeit-Frequenz-Bereich analysieren und visualisieren. Ermitteln von Regions of Interest (ROIs) für weitere Analysen.

Mit der Signal-Analyzer-App können Sie auch Signale unterschiedlicher Dauer zur gleichen Zeit und in der gleichen Ansicht messen und analysieren.

Ermitteln von Regions of Interest aus Walgesang

Datenvorverarbeitung 

Vorbereitung von Daten für nachfolgende Analysen durch Entrauschung, Glättung und Trendbereinigung. Ausreißer und Störgrößen aus den Daten entfernen.

Verstärken und visualisieren Sie Signale und erkennen Sie Muster. Die Abtastrate eines Signals ändern oder eine konstante Abtastrate für unregelmäßig abgetastete Signale oder Signale mit fehlenden Daten erstellen.

Verarbeitung eines Signals mit fehlenden Abtastwerten

Merkmalsextraktion und Signalmessungen

Messen gemeinsamer Unterscheidungsmerkmale und Extrahieren von Mustern in Signalen

Deskriptive Statistik

Berechnen Sie allgemeine deskriptive Statistiken wie Maxima, Minima, Standardabweichungen und RMS-Werte. Änderungspunkte in Signalen finden und Signale mithilfe von dynamischem Time Warping ausrichten

Signalspitzen finden und deren Höhe, Breite und den Abstand zum Nachbarn bestimmen Signalmerkmale im Zeitbereich wie Amplitude und Einhüllende messen

Impuls- und Übergangsmetriken

Anstiegszeit, Abfallzeit, Anstiegsgeschwindigkeit, Überschwingen, Unterschwingen, Einschwingzeit, Pulsbreite, Pulsdauer und Tastverhältnis messen

Anstiegsgeschwindigkeit einer dreieckigen Wellenform

Spektralmessungen

Berechnen Sie die Bandbreite und die mittlere oder mittlere Frequenz für Signale oder das Leistungsspektrum. Messen von Signal-Rausch-Verhältnis (SNR), gesamter harmonischer Verzerrung (THD) und Verhältnis der Gesamtsignalleistung zur Rausch- und Verzerrungsleistung (SINAD). Messen Sie die harmonische Verzerrung.

Schätzen Sie die Momentanfrequenz, die spektrale Entropie und die spektrale Kurtosis.

Messen der Leistung eines Signals

Filterentwurf und -analyse

Entwerfen, analysieren und implementieren Sie eine Vielzahl von digitalen und analogen Filtern

Digitale Filter

Entwerfen, analysieren und implementieren Sie mit der Anwendung Filter Designer eine Vielzahl digitaler FIR- und IIR-Filter, wie z.B. Tiefpass-, Hochpass- und Bandsperrfilter. Visualisieren Sie Größe, Phase, Gruppenlaufzeit, Impulse und Sprungantworten.

Untersuchen Sie Filterpole und Nullstellen. Bewerten Sie die Filterleistung durch Testen der Stabilität und Phasenlinearität. Wenden Sie Filter auf die Daten an und entfernen Sie Verzögerungen und Phasenverzerrungen durch Nullphasenfilterung.

Analogfilter

Entwerfen und analysieren Sie analoge Filter, einschließlich Butterworth-, Tschebyscheff-, Bessel- und elliptische Filter.

Führen Sie eine Analog-Digital-Filterumwandlung unter Verwendung von Diskretisierungsmethoden wie der Impulsinvarianz und der bilinearen Transformation durch.

Vergleich von analogen IIR-Tiefpassfiltern

Spektralanalyse

Charakterisieren Sie den Frequenzgehalt eines Signals

Spektrale Schätzung

Schätzen Sie die Spektraldichte mit nichtparametrischen Methoden, einschließlich des Periodogramms, der Welchschen Methode der Mittelwertbildung überlappender Segmente sowie der Multitaper-Methode. Implementieren Sie parametrische und Subraum-Methoden wie Burg's, Kovarianz und MUSIC zur Schätzung von Spektren.

Berechnen Sie das Leistungsspektrum von ungleichmäßig abgetasteten Signalen oder Signalen mit fehlenden Abtastwerten mithilfe der Lomb-Scargle-Methode Messen Sie Signalähnlichkeiten im Frequenzbereich durch Schätzung der spektralen Kohärenz.

Welch-Spektrum-Schätzungen

Fensterfunktionen

Implementieren und visualisieren Sie gängige Fensterfunktionen. Verwenden Sie die Window Designer -App, um Fenster zu entwerfen und zu untersuchen. Vergleichen Sie die Breiten der Hauptmaxima  (Mainlobe) und die Ebenen der Nebenmaxima (Sidelobe) von Fenstern in Abhängigkeit von ihrer Größe und anderen Parametern.

Entwerfen und untersuchen Sie Spektralfenster

Zeit-Frequenz-Analyse

Visualisieren und vergleichen Sie Zeit-Frequenz-Inhalte nichtstationärer Signale 

Zeit-Frequenz-Verteilungen

Verwenden Sie die Kurzzeit-Fourier-Transformation, Spektrogramme oder Wigner-Ville-Verteilungen zur Analyse von Signalen mit zeitlich variierendem Spektralgehalt. Verwenden Sie das Kreuzspektrogramm, um Signale in der Zeit-Frequenz-Domäne zu vergleichen.

Kurzzeit-Fouriertransformation

Neuzuweisung und Synchrosqueezing

Verwenden Sie die Neuzuweisungstechnik zur Schärfung der Lokalisierung von Zeit-Häufigkeitsschätzungen. Identifizieren Sie Zeit-Frequenz-Stege mithilfe von Synchrosqueezing.

Sofortige Frequenz komplexer Chirp-Signale

Datenadaptive Umwandlungen 

Durchführung einer datenadaptiven Zeit-Frequenz-Analyse unter Verwendung empirischer Modizerlegung, Variationsmodus-Zerlegung und Hilbert-Huang-Transformation.

Empirische Modus-Zerlegung

Schwingungsanalyse

Charakterisierung von Schwingungen in mechanischen Systemen

Untersuchung der Reihenfolge

Verwenden Sie die Ordnungsanalyse zur Analyse und Visualisierung von Spektralinhalten, die in rotierenden Maschinen auftreten.

Verfolgen und Extrahieren von Reihenfolgen und deren Wellenformen im Zeitbereich. Verfolgen und extrahieren Sie Drehzahlprofile aus Schwingungssignalen. Entfernen Sie Rauschen kohärent mit zeitsynchroner Mittelwertbildung.

Schwingungsanalyse rotierender Maschinen

Modalanalyse

Führen Sie eine experimentelle Modalanalyse durch, indem Sie Frequenzgangfunktionen, Eigenfrequenzen, Dämpfungsverhältnisse und Modenformen schätzen.

Modalanalyse eines flexibel fliegenden Tragflächenflugzeugs

Ermüdungsanalyse

Erzeugen Sie Regenflusszählungen mit hohen Zyklen für die Ermüdungsanalyse.

Regenflusszählung für die Ermüdungsanalyse

Beschleunigung und Bereitstellung

Verwenden Sie GPUs, um Ihren Code zu beschleunigen. Generieren Sie portablen C/C++-Quellcode, eigenständig ausführbare Dateien oder eigenständig ausführbare Anwendungen aus Ihrem MATLAB®-Code.

Beschleunigen Sie Ihren Code

Machen Sie Ihren Code durch den Einsatz von GPU- und Multicore-Prozessoren für unterstützte Funktionen schneller.

Beschleunigung der Korrelation mit GPUs

Codegenerierung

Generieren von C/C++-Code und MEX-Dateien in Produktionsqualität für den Einsatz in Desktop- und eingebetteten Anwendungen mit MATLAB Coder.

Generieren Sie optimierten CUDA-Code für unterstützte Funktionen und verwenden Sie ihn in NVIDIA-GPUs.

Codegenerierung für die Nullphasenfilterung

Neueste Funktionen

Signal-Labeler-App

Interaktive oder automatisierte Kennzeichnung von Signalen

Signal-Datenspeicher

Arbeiten Sie mit Signalsammlungen, die im Workspace oder in Dateien vorhanden sind

Zeit-Frequenz-Analyse

Nutzen Sie die Variational Mode Decomposition, um intrinsische Modi zu extrahieren

Deep-Learning-Beispiele

Verwenden Sie Zeit-Frequenz-Analysen und neuronale Netze zur Klassifizierung und Etikettierung

Tall-Arrays

Arbeiten Sie mit den Spektrogramm- und stft-Funktionen auf hohen Arrays

Unterstützung von GPU-Codegenerierung

Erzeugen Sie CUDA-Code für die fftfilt- und stft- Funktionen

GPU-Beschleunigung

Beschleunigen Sie die Funktionen spectrogram, czt, stft und wvd

Unterstützung von C/C++-Code-Generierung

Erzeugen von Code für Zeit-Frequenz-Analyse, Merkmalsextraktion, Spektralanalyse, Multiraten-Signalverarbeitung und Filterdesign

Details zu diesen Features und den zugehörigen Funktionen finden Sie in den Release Notes.