Signal Processing Toolbox

Elaborazione e analisi dei segnali

 

Signal Processing Toolbox™ fornisce funzioni e app per analizzare, pre-elaborare ed estrarre feature da segnali campionati in modo uniforme o non uniforme. Il toolbox comprende gli strumenti per la progettazione e l’analisi di filtri, il ricampionamento, la linearizzazione, l’eliminazione del trend e la stima dello spettro di potenza. Il toolbox fornisce inoltre funzionalità per estrarre feature come changepoint e inviluppi, trovare modelli di picchi e segnali, quantificare somiglianze di segnale ed eseguire misurazioni come SNR e distorsione. È inoltre possibile eseguire l’analisi modale e degli ordini dei segnali di vibrazione.

Con la Signal Analyzer App è possibile pre-elaborare e analizzare multipli segnali simultaneamente nel dominio del tempo, della frequenza e tempo-frequenza senza scrivere il codice; esplorare segnali lunghi ed estrarre regioni di interesse. Con la Filter Designer App è possibile progettare e analizzare i filtri digitali scegliendo da una varietà di algoritmi e risposte. Entrambe le app generano codice MATLAB®.

Per iniziare:

Machine learning e deep learning per i segnali

Esegui operazioni di pre-elaborazione, progettazione delle feature, etichettatura dei segnali e generazione di set di dati per flussi di lavoro di machine learning e deep learning

Pre-elaborazione ed estrazione di feature

Utilizza funzioni e applicazioni integrate per pulire i segnali e rimuovere gli artefatti indesiderati prima di addestrare una rete profonda.

Estrai delle feature del dominio del tempo, della frequenza e di tempo-frequenza dai segnali per ottimizzare le feature e ridurre la variabilità e la dimensionalità dei dati per addestrare modelli di deep learning.

Classificazione dei segnali ECG tramite reti Long Short-Term Memory (LSTM)

Etichettatura e gestione di set di dati

Usa l’app Signal Labeler per etichettare segnali con attributi, regioni e punti di interesse. Crea diversi tipi di etichette e sottoetichette.

Gestisci grandi volumi di dati di segnali che sarebbero troppo grandi per una memoria usando i datastore di segnali.

Etichettatura dei segnali per le analisi 

Esempi di riferimento

Usa degli esempi per fare pratica con il machine learning e il deep learning per i segnali.

Segmentazione di forme d’onda tramite deep learning

Esplorazione e pre-elaborazione di segnali

Usa app e funzioni per esplorare, elaborare e comprendere i dati

Esplorazione di segnali

Usa l’app Signal Analyzer per analizzare e visualizzare i segnali nei domini del tempo, della frequenza e di tempo-frequenza. Estrai le regioni di interesse dai segnali per svolgere ulteriori analisi.

L’app Signal Analyzer consente anche di misurare e analizzare i segnali di durata variabile nello stesso momento e nella stessa visualizzazione.

Estrazione delle regioni di interesse dal canto di una balena

Pre-elaborazione dei dati 

Riduci il rumore, linearizza ed elimina i trend dei segnali per prepararli a un’ulteriore analisi. Rimuovi gli outlier e il contenuto spurio dai dati.

Ottimizza i segnali, visualizzali e scoprine i pattern. Modifica la frequenza di campionamento di un segnale o rendila costante per segnali campionati in modo irregolare o per segnali con dati mancanti.

Elaborazione di un segnale con campioni mancanti

Estrazione di feature e misurazione di segnali

Misura le feature distintive e più diffuse di un segnale ed estrai i pattern

Statistica descrittiva

Calcola gli elementi di statistica descrittiva più diffusi, come i punti di massimo o minimo, le deviazioni standard e i livelli RMS. Trova changepoint nei segnali e allinea segnali utilizzando il dynamic time warping.

Localizza i picchi del segnale e determinane altezza, ampiezza e distanza rispetto ai vicini. Misura le feature nel dominio del tempo, come l’ampiezza picco-picco e gli inviluppi del segnale.

Parametri di impulso e transizione

Misura il tempo di salita, il tempo di discesa, la velocità di risposta, l’overshoot, l’undershoot, il tempo di assestamento, l’ampiezza dell’impulso e il ciclo di lavoro.

Velocità di risposta di una forma d’onda triangolare

Misurazioni dello spettro

Calcola la larghezza di banda e la frequenza media o mediana per i segnali o lo spettro di potenza. Misura il rapporto segnale/rumore (SNR), la distorsione armonica totale (THD) e il rapporto segnale/rumore e distorsione (SINAD). Misura la distorsione armonica.

Stima la frequenza istantanea, l’entropia spettrale e la kurtosis spettrale.

Misurazione della potenza di un segnale

Progettazione e analisi di filtri

Progetta, analizza e implementa diverse tipologie di filtri digitali e analogici

Filtri digitali

Progetta, analizza e implementa una varietà di filtri digitali FIR e IIR, come quelli di tipo passa-basso, passa-alto ed elimina banda, usando l’app Filter Designer. Visualizza le risposte di ampiezza, fase, ritardo di gruppo, impulso e passo.

Esamina poli e zero del filtro. Valuta le prestazioni del filtro testando la stabilità e la linearità di fase. Applica i filtri ai dati e rimuovi ritardi e distorsioni di fase utilizzando filtri a sfasamento nullo.

Filtri analogici

Progetta e analizza dei filtri analogici, come i filtri Butterworth, Chebyshev, Bessel e quelli a progettazione ellittica.

Esegui la conversione dei filtri da analogico a digitale con i metodi di discretizzazione come quello dell’invarianza all’impulso e della trasformazione bilineare.

Confronto di filtri analogici IIR passa-basso

Analisi spettrale

Caratterizza il contenuto di frequenza di un segnale

Stima spettrale

Stima la densità spettrale usando metodi non parametrici come il periodogramma, il metodo di Welch che calcola la media dei segmenti sovrapposti e il metodo multitaper. Implementa dei metodi parametrici e di sottospazio come Burg, covarianza e MUSIC per stimare gli spettri.

Calcola gli spettri di potenza di segnali campionati non uniformemente o di segnali con campioni mancanti utilizzando il metodo di Lomb-Scargle. Misura le somiglianze di segnale nel dominio della frequenza stimando la coerenza spettrale.

Stima spettrale con metodo Welch

Funzioni finestra

Implementa e visualizza le funzioni finestra più diffuse. Usa l’app Window Designer  per progettare e analizzare finestre. Confronta le larghezze del mainlobe e i livelli dei sidelobe delle finestre in funzione delle loro dimensioni e di altri parametri.

Progettazione e analisi delle finestre dello spettro

Analisi tempo-frequenza

Visualizza e confronta i contenuti di tempo-frequenza dei segnali non stazionari 

Distribuzioni tempo-frequenza

Usa la trasformata di Fourier a breve termine, gli spettrogrammi o le distribuzioni di Wigner-Ville per analizzare i segnali con un contenuto spettrale variabile nel tempo. Usa spettrogrammi incrociati per confrontare i segnali nel dominio di tempo-frequenza.

Trasformata di Fourier a breve termine

Riassegnazione e synchrosqueezing

Usa la tecnica della riassegnazione per affinare la localizzazione delle stime di tempo-frequenza. Individua le creste di tempo-frequenza usando il synchrosqueezing.

Frequenza istantanea di un chirp complesso

Trasformate adattive dei dati 

Esegui analisi tempo-frequenza di tipo adattivo usando la Empirical Mode Decomposition (EMD), la Variational Mode Decomposition (VMD) e la trasformata di Hilbert-Huang.

Empirical Mode Decomposition (EMD)

Analisi della vibrazione

Caratterizza le vibrazioni nei sistemi meccanici

Analisi degli ordini

Utilizza l’analisi degli ordini per analizzare e visualizzare il contenuto dello spettro presente nei macchinari rotanti.

Traccia ed estrai gli ordini e le loro forme d’onda nel dominio del tempo. Traccia ed estrai i profili RPM dai segnali di vibrazione. Rimuovi il rumore coerentemente con il time-synchronous averaging.

Analisi della vibrazione di macchinari rotanti

Analisi modale

Esegui l’analisi modale sperimentale stimando le funzioni di risposta in frequenza, le frequenze naturali, il tasso di smorzamento e le forme modali.

Analisi modale di un aeromobile ad ala flessibile

Analisi della fatica

Genera conteggi Rainflow ad alto numero di cicli per l’analisi della fatica.

Conteggio Rainflow per l’analisi della fatica

Accelerazione e distribuzione

Usa le GPU per accelerare il tuo codice. Genera codice sorgente C/C++ portabile, eseguibili standalone o applicazioni standalone per il tuo codice MATLAB®

Accelerazione del codice

Velocizza il tuo codice usando GPU e processori multicore per le funzioni supportate.

Accelerazione della correlazione con GPU

Generazione di codice

Genera codice C/C++ di alta qualità e file MEX da distribuire su applicazioni desktop ed embedded usando MATLAB Coder.

Genera codice CUDA ottimizzato per le funzioni supportate e usalo nelle NVIDIA GPU.

Generazione di codice per filtri a sfasamento nullo

Funzionalità recenti

App Signal Labeler

Esecuzione dell’etichettatura interattiva o automatica dei segnali

Datastore di segnali

Utilizzo di insiemi di segnali contenuti nel workspace o nei file

Analisi tempo-frequenza

Utilizzo della decomposizione in modalità variazionale per estrarre modalità intrinseche

Esempi di deep learning

Utilizzo dell’analisi tempo-frequenza e delle reti neurali per la classificazione e l’etichettatura

tall array

Utilizzo di tall array con funzioni spectrogram e stft

Supporto per la generazione di codice GPU

Generazione di codice CUDA per funzioni fftfilt e stft

Accelerazione GPU

Accelerazione delle funzioni spectrogram, czt, stft e wvd

Supporto per la generazione di codice C/C++

Generazione di codice per l’analisi tempo-frequenza, l’estrazione di feature, l’analisi spettrale, l’elaborazione di segnali multirate e la progettazione di filtri

Consulta le note di rilascio per ulteriori informazioni su queste caratteristiche e sulle funzioni corrispondenti.