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

• Importare, visualizzare ed esplorare i segnali per ottenere informazioni
• Misurazioni su segnali
• Confrontare molteplici segnali nel dominio del tempo e della frequenza
• Eseguire l'analisi spettrale interattiva
• Estrarre regioni di interesse per un'analisi mirata
• Ricreazione di analisi con script MATLAB auto-generati

Obiettivo: Imparare le tecniche per ripulire i set di dati 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 loro sostituzione con dati accettabili
• Individuazione di changepoint del segnale e utilizzo dei limiti per creare automaticamente segmenti di segnale

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 molteplici 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