Funzionalità chiave

  • Trasformate del segnale, ad esempio la trasformata di Fourier veloce (FFT), la trasformata di Fourier a breve termine (STFT) e la trasformata di Hilbert
  • Progettazione e analisi di filtri FIR e IIR
  • Misurazioni, come per esempio parametri di transizione e di impulso, potenza di banda, larghezza di banda e distorsione
  • Algoritmi di stima dello spettro di potenza e funzioni di windowing
  • Misurazioni statistiche dei segnali, come per esempio autocorrelazione e intercorrelazione
  • Predizione lineare e modellazione parametrica di serie temporali
  • Generazione di forma d’onda e impulso e funzioni di ricampionamento dei dati

Generazione e pre-elaborazione di segnali

Signal Processing Toolbox dispone di funzioni che consentono la riduzione del rumore, lo smussamento e l’eliminazione dei trend dei segnali per prepararli a un’ulteriore analisi. Ad esempio, è possibile:

  • Rimuovere il rumore, gli outlier e il contenuto spurio dai dati
  • Migliorare e visualizzare i segnali e scoprire modelli
  • Modificare le dimensioni campione di un segnale o renderle costanti per segnali campionati in modo irregolare o per segnali con dati mancanti
  • Generare segnali sintetici come per esempio impulsi e chirp per la simulazione e il test di algoritmi
Modificare le dimensioni campione di un segnale senza introdurre artefatti.
Ridurre il rumore dei segnali con la media mobile ponderata e i filtri Savitzky-Golay.
Rimuovere i picchi con i filtri mediani.
Normalizzare i dati e rimuovere trend e offset.
Misurare i ritardi e allineare i segnali utilizzando l’intercorrelazione.
Generare impulsi e segnali a frequenza variabile (chirp, VCO).

Misurazioni ed estrazione di caratteristiche

Signal Processing Toolbox dispone di funzioni che consentono la misurazione di caratteristiche distintive e comuni di un segnale. Nello specifico, è possibile:

  • Estrarre caratteristiche chiave del segnale e ridurre i set di dati senza perdere informazioni
  • Localizzare i picchi del segnale e determinarne altezza, ampiezza e distanza dai vicini
  • Misurare caratteristiche nel dominio temporale come per esempio ampiezza picco-picco e inviluppi del segnale
  • Misurare parametri di impulso come per esempio sovraelongazione e ciclo di lavoro
Misurare l’ampiezza minima, massima, media, picco-picco e il valore efficace (RMS) di un segnale.
Misurare il tempo di salita, il tempo di discesa, la velocità di risposta, la sovraelongazione, la sottoelongazione, il tempo di assestamento, l’ampiezza dell’impulso e il ciclo di lavoro.
Localizzare i picchi e misurarne l’altezza, la prominenza e l’ampiezza.
Estrarre l’inviluppo di un segnale utilizzando la trasformata di Hilbert e il segnale analitico.
Individuare un segnale noto in una misurazione utilizzando tecniche di intercorrelazione.

Nel dominio della frequenza, è possibile misurare frequenze fondamentali, medie, mediane e armoniche, così come la larghezza di banda e la potenza di un canale in una banda di frequenza. Questo toolbox consente di caratterizzare i sistemi misurando l’intervallo dinamico libero da spurie (SFDR), il rapporto segnale/rumore (SNR), la distorsione armonica totale (THD), il rapporto segnale/rumore e distorsione (SINAD) e il punto di intercettazione del terzo ordine (TOI).

Misurare il rapporto segnale/rumore (SNR), la distorsione armonica totale (THD) e il rapporto segnale/rumore e distorsione (SINAD).
Analizzare gli effetti di dithering in un oscillatore a controllo numerico (NCO).
Misurare potenza e larghezza di banda, frequenze medie e mediane.
Misurare la frequenza istantanea di un chirp utilizzando un segnale analitico.
Ridurre la dimensione dei dati e ottenere la ricostruzione veloce del segnale utilizzando la trasformata di Walsh-Hadamard.
Stimare la frequenza fondamentale di uno speaker in un segnale vocale utilizzando un cepstrum complesso.

Filtri digitali e analogici


Filtri digitali

Utilizzare le funzioni e le app del Signal Processing Toolbox per progettare, analizzare e implementare una varietà di filtri digitali FIR e IIR, come per esempio passa-basso, passa-alto ed elimina banda. Con tali funzioni e app è possibile:

  • Visualizzare le risposte di ampiezza, fase, ritardo di gruppo, impulso e passo.
  • Esaminare poli e zero del filtro
  • Valutare la prestazione del filtro esaminando la stabilità e la linearità di fase.
  • Applicare filtri ai dati e rimuovere ritardi e distorsioni di fase utilizzando filtri a sfasamento nullo
Esaminare le risposte in frequenza per passa-basso, passa-alto, passa-banda, elimina banda, differenziatore e ampiezza arbitraria.
Specificare i diversi vincoli di progettazione dei filtri e confrontare gli algoritmi di progettazione FIR, come per esempio l’algoritmo di Parks-McClellan (equiripple), l’algoritmo dei minimi quadrati e la finestra di Kaiser.
Confrontare le risposte di ampiezza e ritardo di gruppo dei filtri Butterworth, Chebyshev e dei filtri ellittici IIR.
Progettare filtri digitali in modo interattivo.
Analizzare filtri digitali multidominio.
Compensare il ritardo e la distorsione introdotti dai filtri.

Filtri analogici

Signal Processing Toolbox offre funzioni per lo sviluppo e l'analisi di filtri analogici. I tipi supportati comprendono i filtri di Butterworth, Chebyshev, Bessel ed ellittici. Il toolbox comprende inoltre funzioni di discretizzazione, come per esempio il metodo dell’invarianza all’impulso e il metodo per la trasformazione bilineare per la conversione analogico-digitale dei filtri.


Analisi dello spettro

Caratterizzare il contenuto di frequenza di un segnale utilizzando la famiglia delle funzioni e delle app per l’analisi dello spettro del Signal Processing Toolbox. I metodi parametrici e di sottospazio, come per esempio Burg, Yule-Walker e MUSIC incorporano una conoscenza a priori del segnale e possono produrre stime dello spettro più precise. Con tali funzioni e app è possibile:

  • Calcolare gli spettri di potenza di segnali campionati non uniformemente o di segnali con campioni mancanti utilizzando il metodo di Lomb-Scargle
  • Analizzare segnali non stazionari utilizzando tecniche di tempo-frequenza, come per esempio lo spettrogramma, e misurare le somiglianze di segnale nel dominio della frequenza stimando la coerenza spettrale
  • Progettare e analizzare le finestre di Hamming, Kaiser, Gauss e altre
Ridurre l’errore e la variabilità PSD utilizzando windowing e averaging con i metodi di Welch e multitaper.
Calcolare gli spettri di potenza di segnali campionati non uniformemente o di segnali con campioni mancanti.
Utilizzare lo spettrogramma per determinare quando un componente di frequenza è presente nel segnale ed esaminare i compromessi di risoluzione tempo-frequenza.
Stimare la coerenza spettrale tra segnali e misurare la fase relativa tra componenti di frequenza correlati.
Modellare segnali corti come output di processi autoregressivi (AR) per ottenere una risoluzione spettrale più alta.
Stimare le frequenze sinusoidi in segnali corti utilizzando metodi di sottospazio, come per esempio l’autovettore e la classificazione di segnali multipli (MUSIC).

Modellazione dei segnali

Signal Processing Toolbox offre tecniche di modellazione parametrica che consentono di stimare una funzione razionale di trasferimento descrivendo un segnale, un sistema oppure un processo. Per fare ciò, è possibile:

  • Utilizzare informazioni note sul segnale per trovare i coefficienti di un sistema lineare che lo modelli
  • Approssimare una data risposta di impulso in dominio temporale utilizzando i modelli ARX Prony e Steiglitz-McBride
  • Trovare una funzione di trasferimento analogica o digitale che si adatti a una data risposta in frequenza complessa
  • Modellare le risonanze utilizzando filtri predittivi lineari
Stimare le frequenze formanti in un segnale vocale utilizzando la codifica predittiva lineare (LPC).
Valutare l’ordine di un modello autoregressivo utilizzando la sequenza di intercorrelazione parziale.