Formación en MATLAB y Simulink

Preprocesamiento de señales y extracción de características para data analytics con MATLAB

Vea los horarios e inscríbase

Detalles del curso

Este curso de un día muestra cómo usar MATLAB®, Signal Processing Toolbox™ y Wavelet Toolbox™ para preprocesar señales basadas en el tiempo y extraer características principales en los dominios de tiempo y frecuencia. Este curso está dirigido a científicos e ingenieros de datos que analizan señales (series temporales) para aplicaciones de data analytics. No se necesitan conocimientos previos en procesamiento de señales para este curso.

Temas incluidos:

  • Crear, importar y visualizar señales
  • Preprocesar para mejorar la calidad de los datos, lo que incluye llenar los vacíos de datos, volver a muestrear, suavizar, alinear señales, encontrar y eliminar valores atípicos, y manejar señales obtenidas con muestreo de manera no uniforme
  • Extraer características en los dominios de tiempo y frecuencia, incluyendo la localización y la detección de patrones en las señales, puntos de cambio, picos y tendencias

Día 1 de 1


Exploración y análisis de señales (series temporales) en MATLAB

Objetivo: Aprenda a importar y visualizar fácilmente varias señales o conjuntos de datos de series temporales para obtener más información acerca de las características y tendencias de los datos.

  • Importar, visualizar y explorar señales para obtener más información
  • Realizar mediciones en señales
  • Comparar varias señales en el dominio de tiempo y frecuencia
  • Realizar análisis del espectro interactivo
  • Extraer regiones de interés para un análisis enfocado
  • Recrear el análisis con scripts de MATLAB autogenerados

Preprocesamiento de señales para mejorar la calidad del conjunto de datos

Objetivo: Aprenda técnicas para depurar conjuntos de señales con operaciones como volver a muestrear, eliminar valores atípicos y llenar los vacíos.

  • Realizar un nuevo muestreo para garantizar una base temporal común entre las señales
  • Trabajar con datos muestreados de manera no uniforme
  • Identificar vacíos en los datos y eliminar o llenar los vacíos
  • Eliminar el ruido y el contenido de frecuencia no deseado
  • Eliminar ruido en wavelets
  • Usar el espectro envolvente para realizar análisis de fallos
  • Localizar valores atípicos en los datos y reemplazarlos con los datos correctos
  • Localizar puntos de cambio de señal y utilizar límites para crear automáticamente segmentos de señal

Extracción de características de las señales

Objetivo: Aplique diferentes técnicas en los dominios de tiempo y frecuencia para extraer características. Familiarícese con las herramientas de análisis del espectro en MATLAB y explore formas de revelar características para varias señales.

  • Localizar picos
  • Localizar las señales deseadas de los patrones en los dominios del espectro y del tiempo
  • Usar análisis del espectro para extraer características de las señales
  • Realizar la clasificación mediante aprendizaje supervisado
  • Usar la app Classification Learner para entrenar y evaluar algoritmos de clasificación de manera interactiva

Nivel: Intermedio

Prerrequisitos:

Duración: 1 día

Idiomas: English, 한국어, 中文

Vea los horarios e inscríbase