测量和特征提取

波峰、信号统计、脉冲和跃迁指标、功率、带宽、失真

Signal Processing Toolbox™ 提供的函数可用于测量信号的常见不同特征。定位信号波峰并确定其高度、宽度和与邻点的距离。测量时域特征，如峰间幅值和信号包络。测量脉冲指标，如过冲和占空比。

在频域中，测量基频、均值频率、中位数频率和谐波频率、通道带宽和频带功率。通过测量无乱真动态范围 (SFDR)、信噪比 (SNR)、总谐波失真 (THD)、信号与噪声失真比 (SINAD) 和三阶截断 (TOI) 来表征系统。

提取信号特征以增强关键特性，并在训练 AI 模型时减少数据变异性和维数。

突出显示的主题

类别

描述性统计量
峰值、RMS 水平、峰间幅值、波峰因子、动态时间规整、CUSUM 控制图、编辑距离
脉冲和跃迁指标
上升时间、下降时间、压摆率、过冲、下冲、稳定时间、脉冲宽度、占空比
频谱测量
通道功率、带宽、均值频率、中位数频率、谐波失真

精选示例

使用长短期记忆网络对 ECG 信号进行分类

使用深度学习和信号处理对心跳心电图数据进行分类。

打开实时脚本

Human Activity Recognition Using Signal Feature Extraction and Machine Learning

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

打开实时脚本

使用深度学习进行波形分割

使用时频分析和深度学习分割人体心电图信号。

打开实时脚本

Distortion Measurements

Generate 2048 samples of a sinusoid of frequency 2.5 kHz sampled at 50 kHz. Add white Gaussian noise such that the signal-to-noise ratio (SNR) is 80 dB.

打开实时脚本

确定峰宽

创建由钟形曲线之和组成的信号。指定每条曲线的位置、高度和宽度。

打开实时脚本

测量和特征提取

突出显示的主题

类别

相关信息

精选示例

使用长短期记忆网络对 ECG 信号进行分类

Human Activity Recognition Using Signal Feature Extraction and Machine Learning

使用深度学习进行波形分割

Distortion Measurements

确定峰宽

WeChat