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广告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