Signal Processing Toolbox

신호 처리 및 분석 수행

 

Signal Processing Toolbox™는 균일하게 그리고 비균일하게 샘플링된 신호를 분석, 전처리하고, 특징을 추출할 수 있는 함수 및 앱을 제공합니다. 이 툴박스에는 필터 설계 및 분석, 리샘플링, 평활화, 추세 제거, 전력 스펙트럼 추정을 수행하는 툴이 있습니다. 또한 변화 지점, 포락선과 같은 특징을 추출하고 피크 및 신호 패턴을 찾으며 신호 유사성을 정량화하고 SNR, 왜곡 정도를 측정하는 기능도 제공합니다. 진동 신호에 대해 모드 해석 및 차수 해석도 수행할 수 있습니다.

신호 분석기신호 분석기 앱을 사용하면 코드를 작성하지 않고도 시간, 주파수, 및 시간-주파수 영역의 여러 신호를 동시에 전처리하고 분석할 수 있으며, 긴 신호를 탐색할 수 있으며, 관심 영역을 추출할 수도 있습니다. 필터 디자이너 앱에서는 다양한 알고리즘 및 응답 특성을 선택하여 디지털 필터를 설계하고 분석할 수 있습니다. 위의 두 앱 모두 MATLAB® 코드를 생성할 수 있습니다.

시작하기:

신호에 대한 머신러닝 및 딥러닝

머신러닝 및 딥러닝 워크플로에 필요한 전처리, 특징 공학, 신호 레이블 지정 및 데이터셋 생성을 수행할 수 있습니다.

전처리 및 특징 추출

심층 신경망을 훈련시키기 전에 내장 함수와 앱을 사용하여 신호를 정리하고 원치 않는 아티팩트를 제거할 수 있습니다.

딥러닝 모델을 훈련할 수 있도록 신호에서 시간, 주파수, 시간-주파수 영역의 특징을 추출하여 특징을 개선하고 변동성과 데이터 차수를 축소할 수 있습니다.

LSTM(장단기 기억) 신경망을 사용한 ECG 신호 분류

레이블 지정 및 데이터셋 관리

신호 레이블 지정기 앱을 사용하여 신호의 특성, 관심 영역 및  지점을 레이블 지정할 수 있습니다. 다양한 유형의 레이블과 하위 레이블을 만들 수 있습니다.

너무 커서 메모리에 담을 수 없는 대규모의 신호 데이터는 신호 데이터저장소를 사용하여 관리할 수 있습니다.

분석을 위해 신호에 레이블 지정하기 

참조 예제

예제를 사용하여 신호에 대한 머신러닝과 딥러닝을 시작할 수 있습니다.

딥러닝을 사용한 파형 분할

신호 탐색 및 전처리

앱과 함수를 사용하여 데이터를 탐색하고, 처리하고 이해할 수 있습니다.

신호 탐색하기

신호 분석기 앱을 사용하여 시간, 주파수, 시간-주파수 영역에서 신호를 분석하고 시각화할 수 있습니다. 신호에서 관심 영역을 추출하여 더 심도 있는 분석을 할 수 있습니다.

신호 분석기 앱을 사용하면 동시에 한 화면에서 지속 시간이 다른 여러 신호를 측정하고 분석할 수 있습니다.

흰긴수염고래의 노래에서 관심 영역 추출하기

데이터 전처리하기

추가 분석을 위해 신호에 대한 잡음 제거, 평활화 및 추세 제거를 수행합니다. 데이터에서 이상값과 스퓨리어스 성분을 제거합니다.

신호를 개선하고, 시각화하고, 패턴을 발견합니다. 신호의 샘플 레이트를 변경하거나, 불규칙하게 샘플링되었거나 데이터가 누락된 신호의 샘플 레이트를 일정하게 만듭니다.

샘플이 누락된 신호 처리

특징 추출 및 신호 측정

신호에서 여러 가지 일반적인 특징을 측정하고 패턴을 추출할 수 있습니다.

기술 통계량

최댓값, 최솟값, 표준편차, RMS 레벨과 같은 일반적인 기술 통계량을 계산할 수 있습니다. 신호에서 변화 지점을 찾고 동적 시간 굽힘을 사용하여 신호를 정렬할 수 있습니다.

신호의 피크 값을 찾아 신호 피크의 높이, 폭, 이웃과의 거리를 파악할 수 있습니다. 피크 간 진폭 및 신호 포락선과 같은 시간 영역 특징을 측정할 수 있습니다.

펄스 및 천이 메트릭

상승 시간, 하강 시간, 슬루 레이트, 오버슈트, 언더슈트, 정착 시간, 펄스 폭, 펄스 기간, 듀티 사이클을 측정할 수 있습니다.

삼각 파형의 슬루 레이트

스펙트럼 측정값

신호 또는 전력 스펙트럼의 대역폭과 평균 또는 중앙 주파수를 계산할 수 있습니다. SNR(신호 대 잡음비), THD(총 고조파 왜곡), SINAD(신호 대 잡음 및 왜곡비)를 측정할 수 있습니다. 고조파 왜곡을 측정할 수 있습니다.

순시 주파수, 스펙트럼 엔트로피, 스펙트럼 첨도를 추정할 수 있습니다.

신호의 전력 측정하기

필터 설계 및 분석

다양한 디지털 및 아날로그 필터를 설계하고, 분석하고 구현할 수 있습니다.

디지털 필터

필터 디자이너 앱을 사용하여 저역통과, 고역통과, 대역저지와 같은 다양한 디지털 FIR 및 IIR 필터를 설계, 분석 및 구현할 수 있습니다. 진폭, 위상, 군지연, 임펄스, 계단 응답을 시각화할 수 있습니다.

필터의 극점과 영점을 살펴볼 수 있습니다. 안정성과 위상 선형성을 테스트하여 필터의 성능을 평가할 수도 있습니다. 데이터에 필터를 적용하고 영위상 필터링을 사용하여 지연 및 위상 왜곡을 제거할 수 있습니다.

아날로그 필터

버터워스, 체비쇼프, 베셀, 타원 설계와 같은 아날로그 필터를 설계하고 분석할 수 있습니다.

임펄스 불변, 쌍선형 변환과 같은 이산화 방법을 사용하여 아날로그에서 디지털로의 필터 변환을 수행할 수 있습니다.

아날로그 IIR 저역통과 필터 비교

스펙트럼 분석

신호의 주파수 성분의 특성을 파악할 수 있습니다.

스펙트럼 추정

주기도, 웰치의 중첩 세그먼트 평균화 방법, 멀티테이퍼 방법 등의 비모수적 방법을 사용하여 스펙트럼 밀도를 추정할 수 있습니다. 버그(Burg), 공분산, MUSIC 등의 모수적, 부분공간 방법을 구현하여 스펙트럼을 추정할 수 있습니다.

Lomb-Scargle 방법을 사용하여 균일하지 않게 샘플링되었거나 누락된 샘플이 있는 신호의 전력 스펙트럼을 계산할 수 있습니다. 스펙트럼 일관성을 추정하여 주파수 영역에서 신호 유사성을 측정할 수 있습니다.

웰치 스펙트럼 추정

윈도우 함수

일반적인 윈도우 함수를 구현하고 시각화할 수 있습니다. 윈도우 디자이너 앱을 사용하여 윈도우를 설계 및 분석할 수 있습니다. 윈도우의 크기 및 그 밖의 파라미터 함수로서 윈도우의 메인로브 폭과 사이드로브 레벨을 비교할 수 있습니다.

스펙트럼 윈도우의 설계 및 분석

시간-주파수 분석

비정상 신호의 시간-주파수 성분을 시각화하고 비교할 수 있습니다. 

시간-주파수 분포

단시간 푸리에 변환, 스펙트로그램 또는 위그너-빌 분포를 사용하여 시변 스펙트럼 성분을 갖는 신호를 분석할 수 있습니다. 교차 스펙트로그램을 사용하여 시간-주파수 영역에서 신호를 비교할 수 있습니다.

단시간 푸리에 변환

재할당 및 싱크로스퀴징

재할당 기법을 사용하여 시간-주파수 추정값을 더 명확하게 국소화할 수 있습니다. 싱크로스퀴징을 사용하면 시간-주파수 리지를 식별할 수 있습니다.

복소 처프의 순시 주파수

데이터 적응 변환 

경험적 모드 분해, 변동 모드 분해 및 힐베르트-황 변환을 사용하여 데이터 적응 시간-주파수 분석을 수행할 수 있습니다.

경험적 모드 분해

진동 해석

기계 시스템의 진동을 특성화할 수 있습니다.

차수 해석

차수 해석을 통해 회전식 기계에서 발생하는 스펙트럼 성분을 분석하고 시각화할 수 있습니다.

차수와 차수의 시간-영역 파형을 추적하고 추출할 수 있습니다. 진동 신호에서 RPM 프로파일을 추적하고 추출할 수 있습니다. 시간 동기 평균화를 통해 일관적으로 잡음을 제거할 수 있습니다.

회전 기계의 진동 해석

모드 해석

주파수 응답 함수, 자연 주파수, 감쇠비, 모드 형상을 추정하여 실험적 모드 해석을 수행할 수 있습니다.

유연 날개 항공기의 모드 해석

피로 해석

피로 해석을 위해 고주기 레인플로 횟수를 생성할 수 있습니다.

피로 해석을 위한 레인플로 횟수

가속화 및 배포

GPU를 사용하여 코드 실행을 가속화할 수 있습니다. MATLAB® 코드로부터 이식 가능한 C/C++ 소스 코드, 독립형 실행 파일 또는 독립형 응용 프로그램을 생성할 수 있습니다.

코드 가속화

지원되는 함수에 대해 GPU 및 멀티코어 프로세서를 사용하여 코드 실행을 가속화할 수 있습니다.

GPU를 사용한 가속 상관관계

코드 생성

MATLAB Coder를 사용하여 데스크탑 및 임베디드 응용 프로그램으로 배포 가능한 프로덕션급 C/C++ 코드 및 MEX 파일을 생성할 수 있습니다.

지원되는 함수에 대해 최적화된 CUDA 코드를 생성하여 NVIDIA GPU에서 사용할 수 있습니다.

영위상 필터링을 위한 코드 생성

최신 기능

신호 레이블 지정기 앱

대화식으로 또는 자동으로 신호 레이블 지정 수행

신호 데이터저장소

작업 공간 또는 파일에 존재하는 신호의 모음 단위로 작업

시간-주파수 분석

변동 모드 분해를 사용하여 내재된 모드 추출

딥러닝 예제

분류 및 레이블 지정에 시간-주파수 분석 및 신경망 사용

tall형 배열

spectrogram 및 stft 함수를 사용한 tall형 배열 연산

GPU 코드 생성 지원

fftfiltstft 함수에 대한 CUDA 코드 생성 지원

GPU 가속

spectrogram, czt, stftwvd 함수 가속화

C/C++ 코드 생성 지원

시간-주파수 분석, 특징 추출, 스펙트럼 분석, 멀티레이트 신호 처리 및 필터 설계를 위한 코드 생성

위 기능들 해당 함수에 대한 세부 정보는 릴리스 정보를 참조하십시오.