信号处理工具箱
进行信号处理和分析
Signal Processing Toolbox™提供了对均匀采样和非均匀采样信号进行分析、预处理和提取特征的功能和应用程序。工具箱包括用于滤波器设计和分析、重采样、平滑、去趋势和功率谱估计的工具。工具箱还提供了提取特征(如变更点和包络线)、寻找峰值和信号模式、量化信号相似性以及执行测量(如信噪比和失真)的功能。还可以对振动信号进行模态和阶次分析。
使用信号分析仪应用程序，您可以在不编写代码的时间，频率和时频域中同时预处理和分析多个信号;探索长信号;并提取利息地区。使用过滤器设计器应用程序，您可以通过从各种算法和响应中选择来设计和分析数字滤波器。两个应用程序都生成了matlab®码。
开始:
预处理和特征提取
在训练深度网络之前，使用内置的函数和应用程序来清理信号和移除不需要的构件。
从信号中提取时间、频率和时频域特征，增强特征，降低变异性和数据维数，用于训练深度学习模型。
使用长-短期记忆网络对心电信号进行分类
标签和数据集管理
使用Signal Labeler应用程序用属性、区域和感兴趣的点来标记信号。创建不同类型的标签和子标签。
使用信号数据存储管理大到内存容纳不下的大量信号数据。
参考例子
使用例子来开始机器学习和信号深度学习。
使用深度学习的波形分割
探索信号
使用信号分析仪app对信号进行时间、频率、时频域的分析与可视化。从信号中提取感兴趣的区域进行进一步分析。
信号分析器应用程序还允许您在同一时间和同一视图中测量和分析不同持续时间的信号。
描述性统计
计算常见的描述性统计，如最大值，最小值，标准偏差，和均方根水平。找到信号中的变化点，并使用动态时间翘曲对齐信号。
定位信号峰值并确定其高度、宽度和与邻居的距离。测量时域特征，如峰间振幅和信号包络线。
三角波形的转换速率
数字过滤器
使用过滤器设计器应用程序设计，分析和实施各种数字FIR和IIR滤波器，例如低通，高通和BandStop。可视化幅度，阶段，组延迟，脉冲和步骤响应。
检查滤波器极点和零点。通过测试滤波器的稳定性和相位线性度来评估滤波器的性能。对数据应用滤波器，并使用零相位滤波去除延迟和相位失真。
模拟IIR低通滤波器的比较
光谱估计
估计谱密度使用非参数方法，包括周期图，Welch的重叠分段平均方法和多锥度方法。实现参数和子空间方法，如Burg’s，协方差，MUSIC估计谱。
使用LOMB-SCAPLING方法计算非均匀采样信号的功率谱或具有缺失样品的信号。通过估计光谱相干性测量频域中的信号相似度。
韦尔奇谱估计
短时傅里叶变换
复啁啾的瞬时频率
数据自适应变换
使用经验模态分解、变分模态分解和Hilbert-Huang变换进行数据自适应时频分析。
经验模态分解
顺序分析
使用顺序分析对发生在旋转机械中的光谱含量进行分析和可视化。
跟踪和提取订单及其时域波形。轨道和从振动信号中提取RPM配置文件。用时间同步平均保持噪声。
旋转机械振动分析
柔性飞翼飞机的模态分析
疲劳分析
为疲劳分析产生高循环雨流计数。
用于疲劳分析的雨流计数
加速您的代码
通过使用GPU和多核处理器来加速你的代码。金宝app
加速与gpu的相关性
代码生成
生成生产质量C / C ++代码和MEX文件，用于使用MATLAB编码器部署桌面和嵌入式应用程序。
为支持的功能生成优化的CUDA代码，并在NVIDIA gpu中使用金宝app。
零相位滤波的代码生成
信号贴标签机应用
执行交互式或自动信号标记，使用信号光谱和光谱图标记和从文件导入数据
信号分割
提取并转换感兴趣的信号区域，为深度学习做准备
短时傅里叶变换
根据它们的STFT大小重建信号，并计算单边估计
欧洲数据格式文件
读取“EDF”和“EDF+”文件并获取相关信息
GPU加速
使用GPU加速频谱分析和时频分析功能
C / c++代码生成
生成C/ c++代码，用于特征提取、信号测量和振动分析
GPU代码生成
生成CUDA代码，用于零相位过滤和傅立叶同步函数变换功能
看到发布说明有关这些功能的详细信息和相应的功能。
