信号处理工具箱™提供的功能和应用,使您能够可视化和比较非平稳信号的时频内容。计算短时傅立叶变换及其逆。获得使用的重新分配或傅立叶synchrosqueezing尖锐频谱的估计。绘制横谱图,维格纳分布,和持久性光谱。提取和跟踪时频脊。估计瞬时频率,谱峰度,和频谱熵。使用EMD和希尔伯特 - 黄变换执行数据的自适应时间 - 频率分析。
信号分析仪 | 可视化和比较多个信号和频谱 |
EMD |
经验模式分解 |
FSST |
傅立叶变换synchrosqueezed |
ifsst |
傅立叶逆变换synchrosqueezed |
HHT |
希尔伯特 - 黄变换 |
instfreq |
估计瞬时频率 |
kurtogram |
可视化的光谱峰度 |
pkurtosis |
从信号或光谱谱峰度 |
pentropy |
信号的频谱熵 |
pspectrum |
分析的频率信号和时间 - 频率域 |
频谱 |
使用时间频谱短时傅立叶变换 |
xspectrogram |
利用短时傅立叶变换交叉频谱 |
STFT |
短时傅立叶变换 |
iscola |
确定窗口重叠组合是否符合COLA |
ISTFT |
逆短时傅立叶变换 |
tfridge |
时频脊 |
VMD |
不同模式分解 |
WVD |
维格纳分布和平滑伪维格纳分布 |
xwvd |
跨维格纳分布和交叉平滑伪维格纳分布 |
检查的通过信号处理工具箱提供的时间 - 频率分析功能的特征和限制。
实际介绍连续小波分析(小波工具箱)
这个例子显示了如何执行和解释连续小波分析。
显示的线性调频信号的频谱图。
计算使用傅立叶变换synchrosqueezed的信号的瞬时频率。
计算使用傅立叶变换synchrosqueezed两个正弦波的瞬时频率。确定分离血窦必须如何的变换来解决这些问题。
雷达波形分类使用Deep学习(相控阵系统工具箱)
这个例子展示了如何雷达波形类型使用的Wigner-Ville分布(WVD)和深卷积神经网络(CNN)生成的合成数据进行分类。
行人和自行车分类使用Deep学习(相控阵系统工具箱)
此示例示出了如何分类基于使用深学习网络和时频分析其微多普勒特性行人和骑自行车。