AI per DSP
DSP System Toolbox™ fornisce feature atte a estrarre statistiche sui segnali e rilevare anomalie nei segnali utilizzando una rete di Deep Learning in Simulink®.
Il blocco Time Feature Extractor estrae dal segnale feature nel dominio del tempo quali media, RMS, deviazione standard, SNR e SINAD.
Il blocco Wavelet Scattering crea un framework per lo scattering wavelet temporale nell'ambiente di Simulink. Utilizzare questo blocco per ricavare feature a bassa varianza da dati a valori reali e impiegare poi tali feature in applicazioni di Machine Learning e Deep Learning. Per ulteriori informazioni, vedere Wavelet Scattering (Wavelet Toolbox). Il blocco Wavelet Scattering richiede Wavelet Toolbox™.
Il blocco Deep Signal Anomaly Detector rileva le anomalie nei segnali in tempo reale in Simulink utilizzando un modello di rete di Deep Learning basato su un autoencoder con memoria a breve e lungo termine (LSTM) addestrato. È necessario innanzitutto creare e addestrare un oggetto rilevatore in MATLAB® utilizzando la funzione deepSignalAnomalyDetector, quindi configurare il blocco in modo che utilizzi questo modello in Simulink. Il blocco Deep Signal Anomaly Detector richiede Deep Learning Toolbox™.
Blocchi
Argomenti
- Wavelet Scattering (Wavelet Toolbox)
Derive low-variance features from real-valued time series and image data.
- Fault Detection Using Wavelet Scattering and Recurrent Deep Networks (Wavelet Toolbox)
Classify faults in acoustic recordings of air compressors using a wavelet scattering network paired with a recurrent neural network. (Da R2021b)
- Deployment of Direction-of-Arrival Estimation Using Deep Learning
Generate and deploy code to estimate direction of arrival using deep learning techniques.
Esempi in primo piano
Deploy Direction of Arrival Estimation Using Deep Learning on Desktop
Integrate the trained network into Simulink for real-time inference on a desktop environment.
Deploy Direction of Arrival Estimation Using Deep Learning on Raspberry Pi
Deploy the trained model on Raspberry Pi® for resource-constrained applications.
Detect Air Compressor Sounds in Simulink Using Wavelet Scattering
Use the Wavelet Scattering block and a pretrained deep learning network to classify audio signals.
Deploy Wavelet Scattering and TensorFlow Lite Network on a Raspberry Pi Using Simulink
Generate and deploy Raspberry Pi code to detect air compressor sounds using the Wavelet Scattering Simulink block and a pretrained deep learning network.
Fault Detection and Localization in Three-Phase Power Transmission Using Deep Signal Anomaly Detector in Simulink
Detect faults in three-phase power transmission using the Deep Signal Anomaly Detector block.
Detect Anomalies in ECG Data Using Wavelet Scattering and LSTM Autoencoder in Simulink
Use wavelet scattering and deep learning network to detect anomalies in ECG signals.
Real-Time Noise Detection on Raspberry Pi Using Deep Signal Anomaly Detector
Detect the presence of noise on a Raspberry Pi device.
Detect Air Compressor Sounds Using Wavelet Scattering and TensorFlow Lite
Generate and deploy code to detect air compressor sounds using Wavelet Scattering and a TensorFlow Lite deep learning network.
