Signal Processing Toolbox 시작하기
Signal Processing Toolbox™는 균일하게 샘플링된 신호와 불균일하게 샘플링된 신호를 관리하고 분석하고 전처리하며 그 특징을 추출할 수 있는 함수와 앱을 제공합니다. 이 툴박스에는 필터 설계와 분석, 리샘플링, 평활화, 추세 제거 및 파워 스펙트럼 추정에 사용하는 다양한 툴이 포함되어 있습니다. 신호 분석기 앱은 시간 영역, 주파수 영역, 시간-주파수 영역에서 동시에 신호를 시각화하고 처리하는 데 사용할 수 있습니다. 필터 디자이너 앱을 사용하면 FIR 및 IIR 디지털 필터를 설계하고 분석할 수 있습니다. 두 앱은 모두 사용자의 작업을 재현하거나 자동화하는 MATLAB® 스크립트를 생성합니다.
툴박스 함수를 사용하면 차원 수를 줄이고 신호의 품질을 개선하는 특징을 엔지니어링하여 AI 모델 훈련을 위한 신호 데이터셋을 준비할 수 있습니다. 신호 데이터저장소를 사용하여 파일 모음과 대규모 데이터셋 모음에 액세스하여 처리할 수 있습니다. 신호 레이블 지정기 앱을 사용하면 관심 있는 신호 특성, 신호 영역 및 신호 지점에 주석을 추가하여 레이블이 지정된 신호 세트를 만들 수 있습니다. 이 툴박스는 데스크탑 프로토타이핑과 임베디드 시스템 배포를 위한 C/C++ 및 CUDA® 코드 생성 외에 GPU 가속 기능도 지원합니다.
튜토리얼
- 신호 분석기 앱 사용하기
시간 영역, 주파수 영역 및 시간-주파수 영역에서 신호를 시각화하고 측정하고 분석하고 비교합니다. - 시작 시간이 서로 다른 신호 정렬하기
각기 다른 시점에 각기 다른 센서로 수집된 데이터를 동기화합니다. - Compute Envelope Spectrum of Vibration Signal
Compute the envelope spectrum of a signal and combine app-generated scripts and functions into a single workflow. - 데이터에서 피크 찾기
데이터 세트에서 국소 최댓값을 찾고 이러한 피크가 주기적으로 나타나는지 확인합니다. - 디지털 필터 설계에 대한 실용적 입문
designfilt
함수를 사용하여 주파수 응답 사양을 기반으로 하여 FIR 필터 및 IIR 필터를 설계합니다. - 디지털 필터링에 대한 실용적 입문
데이터 왜곡 없이 신호에서 원치 않는 성분을 제거하도록 디지털 필터를 설계, 분석, 적용합니다. - 주파수 영역 분석에 대한 실용적 입문
시뮬레이션된 데이터와 실제 데이터를 사용하여 기본적인 주파수 영역 신호 분석을 수행하고 해석합니다. - 시간-주파수 분석에 대한 실용적 입문
비정상 신호에 대한 기본적인 시간-주파수 신호 분석을 수행하고 해석합니다. - 장단기 기억 신경망을 사용하여 심전도 신호 분류하기
딥러닝과 신호 처리를 사용하여 심박 심전도 데이터를 분류합니다. - 딥러닝을 사용한 파형 분할
시간-주파수 분석과 딥러닝을 사용하여 사람의 심전도 신호를 분할합니다.
신호 분석하기
신호 전처리하기
패턴 찾기 및 특징 추출하기
디지털 필터 설계, 분석, 적용하기
스펙트럼 분석 및 시간-주파수 분석 수행하기
신호 처리를 AI에 적용하기
추천 예제
대화형 학습
Signal Processing Onramp
스펙트럼 분석을 위한 실용적인 신호 처리 방법을 대화형 방식으로 소개하는 무료 튜토리얼입니다(2시간).
비디오
Signal Processing Toolbox란?
Signal Processing Toolbox를 사용하여 신호 처리, 신호 분석 및 알고리즘 개발을 수행합니다.
센서 데이터 분석을 위한 신호 처리 및 머신러닝 기법
이 비디오에서는 연구대상자의 신체 활동을 스마트폰에서 생성된 가속도계 신호를 기반으로 식별할 수 있는 분류 시스템을 소개합니다.
신호 분석기 앱을 사용하여 신호 분석 쉽게 하기
MATLAB에서 신호 분석기 앱을 사용하여 신호 분석 작업을 수행하는 방법을 알아봅니다.
MATLAB의 신호 처리 앱 소개
신호 분석기를 사용하여 심전도 신호를 가져오고, 시각화하고, 전처리하고, 분석합니다.
이산 푸리에 변환과 FFT 이해하기
이산 푸리에 변환(DFT)은 이산 시간 영역 신호를 주파수 영역으로 변환합니다. DFT를 계산하는 가장 효율적인 방법은 고속 푸리에 변환(FFT) 알고리즘을 사용하는 것입니다. 이 Tech Talk에서는 DFT와 FFT에 대해 자주 묻는 몇 가지 질문에 대한 답변을 제공합니다. 여기서는 FFT의 절댓값을 살펴봐야 하는 이유, Bin 너비가 계산되는 방식, 단측 FFT와 양측 FFT의 차이점에 대한 이해를 돕는 알고리즘의 개요를 다룹니다.
파워 스펙트럼 밀도 및 파워 스펙트럼 이해하기
고속 푸리에 변환(FFT)에서 의미 있는 정보를 가져오는 방법을 알아봅니다. 시간 영역 신호의 속성을 이해할 수 있는 방식으로 FFT를 스케일링하는 방법에 대해 많은 혼란이 있는데, 이 Tech Talk에서는 이에 대해 설명합니다. 구체적으로, FFT에서 진폭, 전력, 전력 밀도로 전환하는 방법과 다른 표현 대신 특정 표현을 선택해야 하는 이유, 그리고 이러한 표현이 유효한 시나리오에 대해 다룹니다.