Main Content

신호 다중분해능 분석기

신호를 시간으로 정렬된 성분으로 분해

페이지 내 모두 확장

설명

신호 다중분해능 분석기 앱은 실수 값 1차원 신호에 대한 멀티레벨 웨이블릿 분해와 데이터 적응적 분해를 시각화하고 결과를 비교할 수 있는 대화형 방식 툴입니다. 이 앱은 단정밀도 데이터와 배정밀도 데이터를 지원합니다. 이 앱을 사용하여 다음을 수행할 수 있습니다.

  • MATLAB® 작업 공간의 모든 실수 값 1차원 신호에 액세스.

  • 고정 대역폭 및 데이터 적응적 MRA(다중분해능 분석) 방법을 사용하여 분해 생성:

    • 고정 대역폭: MODWT(최대 중첩 이산 웨이블릿 변환)(디폴트 값), TQWT(조정 가능한 Q-계수 웨이블릿 변환)

    • 데이터 적응적: EMD(경험적 모드 분해), EWT(경험적 웨이블릿 분해), VMD(변동 모드 분해)

  • 디폴트 파라미터 조정, 여러 분해 결과에 대한 시각화와 비교.

  • 신호 복원에 포함할 분해 레벨 선택.

  • 분해 레벨의 주파수 범위 구하기.

  • 레벨 간 신호의 상대 에너지 확인.

  • 복원 신호와 분해 결과를 작업 공간으로 내보내기.

  • MATLAB 스크립트를 만들어서 분해 결과를 작업 공간에 재생성.

Signal Multiresolution Analyzer app

신호 다중분해능 분석기 앱 열기

  • MATLAB 툴스트립: 앱 탭의 신호 처리 및 통신에서 앱 아이콘을 클릭합니다.

  • MATLAB 명령 프롬프트: signalMultiresolutionAnalyzer를 입력합니다.

예제

파라미터

모두 확장

다중분해능 분석을 생성하는 데 사용할 직교 웨이블릿 패밀리(디폴트 값)로, 다음으로 지정됩니다.

  • sym — Symlets

  • coif — Coiflets

  • db — Daubechies 웨이블릿

  • fk — Fejér-Korovkin 웨이블릿

Wavelet 파라미터는 다중분해능 분석을 생성하는 경우에만 적용할 수 있습니다.

웨이블릿에 대해 자세히 알아보려면 waveinfo 함수를 사용하십시오. 예를 들어, Daubechies 웨이블릿에 대해 자세히 알아보려면 waveinfo('db')를 입력하십시오.

경험적 모드 분해의 포락선 생성에 사용할 보간 방법으로, 다음 중 하나로 지정됩니다.

  • spline — 3차 스플라인 보간

  • pchip — 조각별 3차 에르미트 보간 다항식 방법

Interpolation 파라미터는 경험적 모드 분해를 생성하는 경우에만 적용할 수 있습니다. 경험적 모드 분해를 생성할 때 앱을 사용하여 다른 옵션을 변경할 수 있습니다. 자세한 내용은 emd 항목을 참조하십시오.

프로그래밍 방식으로 사용

모두 확장

signalMultiresolutionAnalyzer는 신호 다중분해능 분석기 앱을 엽니다. 앱이 초기화되면 가져오기를 클릭하여 분석할 신호를 가져옵니다.

signalMultiresolutionAnalyzer(sig)는 신호 다중분해능 분석기 앱을 열고 sym4 웨이블릿과 디폴트 설정으로 modwtmra 및 modwt를 사용하여 sig를 가져오고, 분해하고, 다중분해능 분석을 플로팅합니다.

sig는 작업 공간의 변수입니다. sig는 다음 중 하나일 수 있습니다.

  • 1×N 또는 N×1 실수 값 벡터.

  • 단정밀도 또는 배정밀도 데이터.

기본적으로 앱은 분해 레벨을 샘플 인덱스의 함수로 플로팅합니다. 시간을 기준으로 플로팅하려면 앱을 사용하여 샘플 레이트 또는 샘플 주기를 설정할 수 있습니다.

팁

  • 다중채널 신호의 채널 하나를 분해하려면 해당 채널을 프로그래밍 방식으로 가져오십시오. 예를 들어, 다음 명령을 사용하여 다중채널 Espiga3 EEG 데이터 세트의 열 번째 채널을 분해합니다.

    load Espiga3
signalMultiresolutionAnalyzer(Espiga3(:,10))

  • 여러 다른 1차원 신호를 동시에 분해하려면 신호 다중분해능 분석기의 인스턴스를 여러 개 실행하십시오.

  • MODWT 및 TQWT 분해 방법의 경우 신호 다중분해능 분석기에 의해 생성된 스크립트는 gpuArray (Parallel Computing Toolbox) 입력값을 지원합니다.

알고리즘

모두 확장

참고 문헌

[1] Percival, Donald B., and Andrew T. Walden. Wavelet Methods for Time Series Analysis. Cambridge Series in Statistical and Probabilistic Mathematics. Cambridge ; New York: Cambridge University Press, 2000.

버전 내역

R2018b에 개발됨

모두 확장

참고 항목

앱

함수

도움말 항목