이 번역 페이지는 최신 내용을 담고 있지 않습니다. 최신 내용을 영문으로 보려면 여기를 클릭하십시오.

전처리 및 특징 추출

시간 영역, 주파수 영역 및 시간-주파수 영역에서 신호 특징 추출

명령줄 함수 또는 특징 추출기 앱을 사용하여 머신러닝 모델에 사용할 유의미한 신호 특징을 추출합니다.

앱

EDF 파일 분석기	EDF 파일 또는 EDF+ 파일 보기 (R2021a 이후)
신호 분석기	여러 개의 신호와 스펙트럼을 시각화하여 비교
신호 레이블 지정기	관심 있는 신호 특성, 신호 영역 및 신호 지점에 레이블 지정하기
신호 특징 추출기	Extract and analyze signal features (R2025a 이후)

함수

신호 전처리 및 측정값

`detrend`	다항식 추세 제거
`envelope`	신호 포락선
`lowpass`	신호에 저역통과 필터 적용하기
`smoothdata`	잡음 있는 데이터의 평활화
`cwtmag2sig`	Signal reconstruction from CWT magnitude (R2023b 이후)
`stftmag2sig`	Signal reconstruction from STFT magnitude
`islocalmax`	국소 최댓값 구하기
`findchangepts`	신호 내 급격한 변화 찾기
`findpeaks`	국소 최댓값 구하기
`refinepeaks`	Refine peak value and location estimates (R2024b 이후)
`zerocrossrate`	Zero-crossing rate (R2021b 이후)

데이터저장소 및 데이터 관리

`audioDatastore`	Datastore for collection of audio files
`arrayDatastore`	Datastore for in-memory data
`imageDatastore`	이미지 데이터의 데이터저장소
`signalDatastore`	Datastore for collection of signals
`edfheader`	Create header structure for EDF or EDF+ file (R2021a 이후)
`edfinfo`	Get information about EDF/EDF+ file
`edfread`	EDF/EDF+ 파일에서 데이터 읽기
`edfwrite`	Create or modify EDF or EDF+ file (R2021a 이후)
`paddata`	Pad data by adding elements (R2023b 이후)
`resize`	Resize data by adding or removing elements (R2023b 이후)
`trimdata`	Trim data by removing elements (R2023b 이후)

시간 영역 특징

`mean`	`timeseries` 데이터의 평균
`rms`	RMS 값
`std`	표준편차
`snr`	신호 대 잡음비
`thd`	총 고조파 왜곡
`sinad`	신호 대 잡음 및 왜곡비
`peak2rms`	피크 크기 대 RMS 비율
`signalTimeFeatureExtractor`	Streamline signal time feature extraction (R2021a 이후)
`timeScalarFeatureOptions`	Store information for converting time-domain feature vectors to scalar values (R2024b 이후)

주파수 영역 특징

`meanfreq`	평균 주파수
`medfreq`	중앙 주파수
`bandpower`	대역 전력
`obw`	점유 대역폭
`powerbw`	전력 대역폭
`pwelch`	Welch의 파워 스펙트럼 밀도 추정값
`signalFrequencyFeatureExtractor`	Streamline signal frequency feature extraction (R2021b 이후)
`frequencyScalarFeatureOptions`	Store information for converting frequency-domain feature vectors to scalar values (R2024b 이후)

시간-주파수 변환

`stft`	단시간 푸리에 변환
`fsst`	Fourier synchrosqueezed transform
`emd`	경험적 모드 분해
`vmd`	Variational mode decomposition
`hht`	힐베르트-황 변환(Hilbert-Huang Transform)
`cwt`	연속 1차원 웨이블릿 변환
`wsst`	Wavelet synchrosqueezed transform
`modwt`	Maximal overlap discrete wavelet transform
`modwpt`	Maximal overlap discrete wavelet packet transform

시간-주파수 특징

`instbw`	Estimate instantaneous bandwidth (R2021a 이후)
`instfreq`	순시 주파수 추정
`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
`tfridge`	Time-frequency ridges
`signalTimeFrequencyFeatureExtractor`	Streamline signal time-frequency feature extraction (R2024a 이후)
`timeFrequencyScalarFeatureOptions`	Store information for converting time-frequency-domain feature vectors to scalar values (R2024a 이후)
`timeFrequencyScattering`	Joint time-frequency scattering (R2024b 이후)
`waveletScattering`	Wavelet time scattering
`wsstridge`	Time-frequency ridges from wavelet synchrosqueezing

미분 가능 신호 처리

`dlcwt`	Deep learning continuous wavelet transform (R2022b 이후)
`dlicwt`	Deep learning inverse continuous 1-D wavelet transform (R2024b 이후)
`dlmodwt`	Deep learning maximal overlap discrete wavelet transform and multiresolution analysis (R2022a 이후)
`dlstft`	Deep learning short-time Fourier transform (R2021a 이후)
`dlistft`	Deep learning inverse short-time Fourier transform (R2024a 이후)
`cwtLayer`	Continuous wavelet transform layer (R2022b 이후)
`icwtLayer`	Inverse continuous wavelet transform layer (R2024b 이후)
`modwtLayer`	Maximal overlap discrete wavelet transform layer (R2022b 이후)
`stftLayer`	Short-time Fourier transform layer (R2021b 이후)
`istftLayer`	Inverse short-time Fourier transform layer (R2024a 이후)

특징 추출 유틸리티

`framelbl`	Partition label sequence into frames (R2024a 이후)
`framesig`	Partition signal into frames (R2024a 이후)
`scalarFeatureOptions`	Store information for converting feature vectors to scalar values (R2024a 이후)

관련 정보

Spectral Descriptors (Audio Toolbox)

도움말 항목

Use Signal Feature Extractor App

Extract and rank features from signals interactively. Prepare signal datasets for classification tasks.
- 단계 1: Import Data into Signal Feature Extractor
- 단계 2: Feature Extraction Using Signal Feature Extractor
- 단계 3: Rank Features Using Signal Feature Extractor
- 단계 4: Export Labeled Signal Sets and Features
Manage Data Sets for Machine Learning and Deep Learning Workflows
Organize, access, and manage data sets for different AI applications.
Accelerate Signal Feature Extraction and Classification Using a Parallel Pool of Workers
Use parallel computing to extract signal multidomain features for bearing fault detection. (R2024b 이후)
Accelerate Signal Feature Extraction and Classification Using a GPU
Use a graphical processing unit (GPU) to extract signal multidomain features for bearing fault detection. (R2024b 이후)
View, Preprocess, and Write EDF File
View and preprocess data stored in an EDF file.

추천 예제

Machine Learning and Deep Learning Classification Using Signal Feature Extraction Objects

Machine Learning and Deep Learning Classification Using Signal Feature Extraction Objects

Use signal feature extraction objects and AI-based classification to identify faulty bearing signals in mechanical systems.

R2024a 이후
라이브 스크립트 열기

Feature Selection Based on Deep Learning Interpretability for Signal Classification Applications

Feature Selection Based on Deep Learning Interpretability for Signal Classification Applications

Use the locally interpretable model-agnostic explanation technique to interpret decision-making processes of a deep learning network.

R2024a 이후
라이브 스크립트 열기

Human Activity Recognition Using Signal Feature Extraction and Machine Learning

Human Activity Recognition Using Signal Feature Extraction and Machine Learning

Extract features from smartphone sensor signals and use them to classify human activity.

R2021b 이후
라이브 스크립트 열기

Time-Frequency Feature Embedding with Deep Metric Learning

Time-Frequency Feature Embedding with Deep Metric Learning

Construct wavelet-based feature embeddings to classify EEG signals from persons with and without epilepsy.

(Deep Learning Toolbox)

Signal Classification Using Wavelet-Based Features and Support Vector Machines

Signal Classification Using Wavelet-Based Features and Support Vector Machines

Classify electrocardiogram signals using features derived from wavelets and an autoregressive model.

(Wavelet Toolbox)