AI를 사용한 신호 처리

신호 레이블 지정, 특징 엔지니어링, 데이터셋 생성, 이상 감지

Signal Processing Toolbox™는 머신러닝 및 딥러닝 워크플로를 위해 신호 레이블 지정, 특징 엔지니어링 및 데이터셋 생성을 수행하는 기능을 제공합니다. 이 툴박스는 신호 데이터에서 이상을 감지하도록 훈련하고 사용할 수 있는 오토인코더 객체도 제공합니다.

앱

신호 분석기	여러 개의 신호와 스펙트럼을 시각화하여 비교
신호 레이블 지정기	관심 있는 신호 특성, 신호 영역, 신호 지점에 레이블 지정 및 특징 추출
EDF 파일 분석기	EDF 파일 또는 EDF+ 파일 보기 (R2021a 이후)
실험 관리자	실험을 계획 및 실행하며 딥러닝 신경망을 훈련시키고 비교합니다. (R2020a 이후)

함수

모두 확장

신호 레이블 지정

`labeledSignalSet`	Create labeled signal set
`signalLabelDefinition`	Create signal label definition
`countlabels`	Count number of unique labels (R2021a 이후)
`filenames2labels`	Get list of labels from filenames (R2022b 이후)
`folders2labels`	Get list of labels from folder names (R2021a 이후)
`framelbl`	Partition label sequence into frames (R2024a 이후)
`framesig`	Partition signal into frames (R2024a 이후)
`splitlabels`	Find indices to split labels according to specified proportions (R2021a 이후)
`signalMask`	Modify and convert signal masks and extract signal regions of interest (R2020b 이후)
`binmask2sigroi`	Convert binary mask to matrix of ROI limits (R2020b 이후)
`extendsigroi`	Extend signal regions of interest to left and right (R2020b 이후)
`extractsigroi`	Extract signal regions of interest (R2020b 이후)
`mergesigroi`	Merge signal regions of interest (R2020b 이후)
`removesigroi`	Remove signal regions of interest (R2020b 이후)
`shortensigroi`	Shorten signal regions of interest from left and right (R2020b 이후)
`sigroi2binmask`	Convert matrix of ROI limits to binary mask (R2020b 이후)
`sigrangebinmask`	Label signal samples with values within a specified range (R2023a 이후)

데이터저장소 및 데이터 관리

`edfinfo`	Get information about EDF/EDF+ file (R2020b 이후)
`edfwrite`	Create or modify EDF or EDF+ file (R2021a 이후)
`edfheader`	Create header structure for EDF or EDF+ file (R2021a 이후)
`edfread`	Read data from EDF/EDF+ file (R2020b 이후)
`signalDatastore`	Datastore for collection of signals (R2020a 이후)
`resize`	Resize data by adding or removing elements (R2023b 이후)
`paddata`	Pad data by adding elements (R2023b 이후)
`trimdata`	Trim data by removing elements (R2023b 이후)

특징 추출

`findchangepts`	신호 내 급격한 변화 찾기
`findpeaks`	국소 최댓값 구하기
`fsst`	Fourier synchrosqueezed transform
`stft`	단시간 푸리에 변환
`spectrogram`	단시간 푸리에 변환(STFT)을 사용하는 스펙트로그램
`tfridge`	Time-frequency ridges
`instbw`	Estimate instantaneous bandwidth (R2021a 이후)
`instfreq`	순시 주파수 추정
`powerbw`	전력 대역폭
`pspectrum`	주파수 영역과 시간-주파수 영역의 신호 분석
`spectralCrest`	Spectral crest for signals and spectrograms
`spectralEntropy`	Spectral entropy for signals and spectrograms
`spectralFlatness`	Spectral flatness for signals and spectrograms
`spectralKurtosis`	Spectral kurtosis for signals and spectrograms
`spectralSkewness`	Spectral skewness for signals and spectrograms
`scalarFeatureOptions`	Store information for converting feature vectors to scalar values (R2024a 이후)
`signalFrequencyFeatureExtractor`	Streamline signal frequency feature extraction (R2021b 이후)
`signalTimeFeatureExtractor`	Streamline signal time feature extraction (R2021a 이후)
`signalTimeFrequencyFeatureExtractor`	Streamline signal time-frequency feature extraction (R2024a 이후)
`timeFrequencyScalarFeatureOptions`	Store information for converting time-frequency feature vectors to scalar values (R2024a 이후)
`zerocrossrate`	Zero-crossing rate (R2021b 이후)

미분 가능 신호 처리

`dlstft`	Deep learning short-time Fourier transform (R2021a 이후)
`dlistft`	Deep learning inverse short-time Fourier transform (R2024a 이후)
`stftLayer`	Short-time Fourier transform layer (R2021b 이후)
`istftLayer`	Inverse short-time Fourier transform layer (R2024a 이후)

이상 감지

deepSignalAnomalyDetector Create signal anomaly detector (R2023a 이후)

도움말 항목

Manage Data Sets for Machine Learning and Deep Learning Workflows
Organize, access, and manage data sets for different AI applications.
Ground Truth 데이터에 레이블을 지정할 앱 선택
ground truth 데이터에 레이블을 지정하기 위해 사용할 앱을 영상 레이블 지정기, 비디오 레이블 지정기, Ground Truth 레이블 지정기, 라이다 레이블 지정기, 신호 레이블 지정기 또는 Medical Image Labeler 중에서 선택합니다.
Radar and Communications Waveform Classification Using Deep Learning (Phased Array System Toolbox)
Classify radar and communications waveforms using the Wigner-Ville distribution (WVD) and a deep convolutional neural network (CNN).
Label Radar Signals with Signal Labeler (Radar Toolbox)
Label the time and frequency features of pulse radar signals with added noise.
Pedestrian and Bicyclist Classification Using Deep Learning (Radar Toolbox)
Classify pedestrians and bicyclists based on their micro-Doppler characteristics using deep learning and time-frequency analysis.
Wavelet Time Scattering Classification of Phonocardiogram Data (Wavelet Toolbox)
Classify human phonocardiogram recordings using wavelet time scattering and a support vector machine classifier.
Anomaly Detection Using Autoencoder and Wavelets
Use wavelet-extracted features and an autoencoder to detect arc signals in a DC system.
Detect Anomalies in ECG Data Using Wavelet Scattering and LSTM Autoencoder in Simulink
Use wavelet scattering and a deep learning network within a Simulink^® model to detect anomalies in ECG signals.
Train Spoken Digit Recognition Network Using Out-of-Memory Features
Train a spoken digit recognition network on out-of-memory auditory spectrograms using a transformed datastore.
딥러닝 신경망을 사용하여 음성 잡음 제거하기
완전 연결 신경망과 컨벌루션 신경망을 사용하여 음성 신호의 잡음을 제거합니다.
웨이블릿 분석 및 딥러닝을 사용하여 시계열 분류하기
연속 웨이블릿 변환과 심층 컨벌루션 신경망을 사용하여 심전도 신호를 분류합니다.
Spectral Descriptors (Audio Toolbox)
Overview and applications of spectral descriptors.