Formazione MATLAB e Simulink

Pre-elaborazione di Segnali ed Estrazione di Feature per l'Analisi dei Dati in MATLAB

Dettagli dei corsi

Questo corso di un giorno mostra come utilizzare MATLAB®, Signal Processing Toolbox™ e Wavelet Toolbox™ per pre-elaborare segnali basati sul tempo ed estrarre feature fondamentali nei domini del tempo e della frequenza. Questo corso è rivolto a data scientist e ingegneri che analizzano segnali (serie temporali) per applicazioni di analisi dei dati. Per questo corso non sono necessarie conoscenze preliminari sull'elaborazione di segnali.

Elenco degli argomenti:

  • Creazione, importazione e visualizzazione dei segnali
  • Pre-elaborazione per migliorare la qualità dei dati, inclusi riempimento di dati mancanti, ricampionamento, filtraggio, allineamento segnali, individuazione e rimozione di anomalie (outlier), nonché trattamento di segnali non uniformemente campionati
  • Estrazione di feature nei domini del tempo e della frequenza, inclusa l'individuazione di pattern nei segnali, l'individuazione di changepoint, la localizzazione di picchi e l'identificazione di trend

Giorno 1


Esplorazione ed analisi di segnali (serie temporali) in MATLAB

Obiettivo: Imparare ad importare e visualizzare facilmente segnali multipli o set di serie temporali per ottenere informazioni sulle feature e i trend dei dati.

  • Importazione, visualizzazione ed esplorazione dei segnali per ottenere informazioni
  • Misurazioni su segnali
  • Confronto di più segnali nel dominio del tempo e della frequenza
  • Esecuzione dell'analisi spettrale interattiva
  • Estrazione di regioni di interesse per un'analisi mirata
  • Ricreazione di analisi con script MATLAB auto-generati

Pre-elaborazione di segnali per migliorare la qualità dei dati

Obiettivo: Imparare le tecniche per ripulire i set dei segnali con operazioni come il ricampionamento, la rimozione di outlier e il riempimento di dati mancanti.

  • Esecuzione del ricampionamento per garantire una base temporale comune tra segnali
  • Uso di dati non uniformemente campionati
  • Individuazione di dati mancanti e loro rimozione o riempimento
  • Rimozione di rumore e frequenze indesiderate
  • Rimozione del rumore con wavelet
  • Uso dello spettro di inviluppo per realizzare l'analisi dei guasti
  • Individuazione di valori outlier nei dati e sostituzione con dati accettabili
  • Individuazione di changepoint del segnale e utilizzo dei limiti per creare automaticamente segmenti di segnale

Estrazione di feature dai segnali

Obiettivo: Applicare diverse tecniche nei domini del tempo e della frequenza per estrarre le feature. Acquisire familiarità con gli strumenti di analisi spettrale in MATLAB e approfondire modi per estrarre le feature per più segnali.

  • Individuazione dei picchi
  • Individuazione dei segnali desiderati dai pattern nei domini del tempo e dello spettro
  • Uso dell'analisi spettrale per estrarre feature dai segnali
  • Classificazione tramite apprendimento con supervisione
  • Uso dell'applicazione Classification Learner per allenare e valutare interattivamente algoritmi di classificazione

Livello: Intermedio

Prerequisiti:

Durata: 1 giorno

Lingue: Deutsch, English, 日本語, 한국어, 中文