信号处理工具箱
进行信号处理和分析
信号处理工具箱™提供函数和应用来分析，预处理和提取来自均匀和不均匀的采样信号的提取功能。该工具箱包括用于过滤器设计和分析，重采样，平滑，劣势和功率谱估计的工具。该工具箱还提供用于提取变换点和信封等特征的功能，找到峰值和信号模式，量化信号相似度，以及执行诸如SNR和失真之类的测量。您还可以执行振动信号的模态和订单分析。
与信号分析仪应用程序，您可以预处理和分析多个信号同时在时间，频率，时间-频率域，而无需编写代码;探索长信号;并提取感兴趣的区域。有了Filter Designer应用程序，你可以通过选择各种算法和响应来设计和分析数字滤波器。两个应用程序都生成MATLAB®代码。
开始：
预处理和特征提取
在培训深网络之前，使用内置功能和应用程序进行清洁信号并删除不需要的工件。
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。
利用长、短期记忆网络对心电信号进行分类
标签和数据集管理
使用信号贴标应用程序将带有属性，地区和兴趣点的标记信号。创建不同类型的标签和子标签。
管理太大的大量信号数据，无法使用信号数据存储拟合内存。
参考例子
使用例子来开始学习机器学习和信号的深度学习。
利用深度学习的波形分割
探索信号
使用信号分析器应用程序在时间，频率和时频域中分析和可视化信号。提取来自信号的感兴趣区域以进一步分析。
信号分析仪应用程序还允许您测量和分析信号的不同持续时间在同一时间和在同一视图。
预处理数据
对信号进行去噪、平滑和趋势化处理，为进一步分析做好准备。从数据中去除异常值和虚假内容。
增强信号，可视化它们，并发现模式。改变信号的采样率，或对不规则采样信号或缺少数据的信号使采样率为常数。
处理具有缺失样本的信号
描述性统计
计算常见的描述性统计数据，如最大值，最小值，标准偏差和RMS级别。在信号中查找ChangePoints并使用动态时间扭曲对齐信号。
定位信号峰值并确定它们的高度、宽度和到邻居的距离。测量时域特征，如峰间振幅和信号包络。
三角波形的反转率
数字滤波器
使用Filter Designer应用程序设计、分析和实现各种数字FIR和IIR滤波器，如低通、高通和带阻。可视化的幅度、相位、组延迟、脉冲和阶跃响应。
检查滤波器杆和零。通过测试稳定性和相位线性来评估过滤器性能。将过滤器应用于数据并使用零相位过滤删除延迟和相位失真。
模拟过滤器
设计和分析模拟过滤器，包括Butterworth，Chebyshev，Bessel和椭圆设计。
使用离散化方法(如脉冲不变性和双线性变换)进行模数滤波器转换。
模拟IIR低通滤波器的比较
短时傅里叶变换
复啁啾的瞬时频率
数据自适应变换
使用经验模式分解，变分模式分解和Hilbert-Huang变换进行数据自适应时频分析。
经验模态分解
订单分析
使用订单分析来分析和可视化旋转机械中发生的光谱内容。
跟踪和提取阶数及其时域波形。从振动信号中跟踪并提取转速曲线。用时间同步平均去噪。
旋转机械的振动分析
柔性飞翼飞机的模态分析
疲劳分析
为疲劳分析生成高周期雨流计数。
疲劳分析的雨流量计数
加速你的代码
使用GPU和多核处理器进行支持功能来加快代码。金宝app
加速与GPU的相关性
代码生成
生成产品质量的C/ c++代码和MEX文件，用于部署在桌面和嵌入式应用程序使用MATLAB Coder。
为支持的功能生成优化的CUDA代码，并在NVIDIA GPU中使用金宝app它。
零相位过滤的代码生成
信号贴标签机应用
执行交互式或自动的信号标记，使用信号谱和光谱图进行标记，并从文件中导入数据
信号分割
提取和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
从它们的STFT幅度重建信号，并计算单边估计
欧洲数据格式文件
阅读EDF和EDF +文件并获取有关它们的信息
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的代码生成
生成零相滤波和傅里叶同步压缩变换函数的CUDA代码
看到发布说明有关这些特性和相应功能的详细信息。
