Main Content

Mediciones y extracción de características

Picos, estadísticas de señal, métricas de pulso y transición, potencia, ancho de banda, distorsión

proporciona funciones que le permiten medir características distintivas comunes de una señal.Signal Processing Toolbox™ Localice los picos de señal y determine su altura, anchura y distancia a los vecinos. Mida las características del dominio de tiempo, como las amplitudes de pico a pico y las envolventes de señal. Mida métricas de pulso según el exceso y el ciclo de trabajo.

En el dominio de frecuencia, mida las frecuencias fundamentales, medias, medianas y armónicas, el ancho de banda del canal y la potencia en una banda de frecuencias. Caracterizar los sistemas midiendo el rango dinámico libre espurio (SFDR), la relación señal-ruido (SNR), la distorsión armónica total (THD), la relación señal-ruido y distorsión (SINAD) y la interceptación de tercer orden (TOI).

Temas destacados
  • Estadísticas descriptivas
    Picos, nivel RMS, amplitud de pico a pico, factor de cresta, deformación dinámica del tiempo, gráfico de control CUSUM, distancia de edición
  • Métricas de pulso y transición
    Tiempo de subida, tiempo de caída, velocidad de elevación, rebasamiento, soclear, tiempo de sedimentación, ancho de pulso, ciclo de trabajo
  • Mediciones espectrales
    Potencia del canal, ancho de banda, frecuencia media, frecuencia mediana, distorsión armónica

Ejemplos destacados

Clasificar las señales de ECG mediante redes de memoria a corto plazo

Clasificar las señales de ECG mediante redes de memoria a corto plazo

Clasificar los datos del electrocardiograma de latidos mediante el aprendizaje profundo y el procesamiento de señales.

Abrir script en vivo
Segmentación de forma de onda mediante aprendizaje profundo

Segmentación de forma de onda mediante aprendizaje profundo

Segmente las señales de electrocardiograma humano mediante análisis de frecuencia de tiempo y aprendizaje profundo.

Abrir script en vivo
Mediciones de distorsión

Mediciones de distorsión

Generar 2048 muestras de un sinusoides de frecuencia de 2,5 kHz muestreado a 50 kHz. Agregue el ruido gaussiano blanco de tal forma que la relación señal-ruido (SNR) sea 80 dB.

Abrir script en vivo
Determinar anchos de pico

Determinar anchos de pico

Cree una señal que consista en una suma de curvas de campana. Especifique la ubicación, la altura y la anchura de cada curva.

Abrir script en vivo
Reconocimiento de Actividad Humana Modelo Simulink para la Implementación de Smartphone

Reconocimiento de Actividad Humana Modelo Simulink para la Implementación de Smartphone

Clasificar la actividad humana en función de las señales de sensores de teléfonos inteligentes para la generación de código y la implementación de teléfonos inteligentes.

Abrir script en vivo

Documentación de Signal Processing Toolbox

Soporte

Deep Learning for Signal Processing with MATLAB

Deep Learning for Signal Processing with MATLAB

Download white paper