findsignal

Найдите местоположение сигнала с помощью поиска подобия

Синтаксис

[istart,istop,dist]
= findsignal(data,signal)

[istart,istop,dist]
= findsignal(data,signal,Name,Value)

findsignal(___)

Описание

пример

[istart,istop,dist] = findsignal(data,signal) возвращает запуск и индексы остановки сегмента массива данных, data, тот лучшие соответствия поисковый массив, signal. Лучше всего соответствующий сегмент таков что dist, Евклидово расстояние в квадрате между сегментом и поисковым массивом, является самым маленьким. Если data и signal матрицы, затем findsignal находит столбцы начала и конца области data тот лучшие соответствия signal. В этом случае, data и signal должен иметь одинаковое число строк.

пример

[istart,istop,dist] = findsignal(data,signal,Name,Value) задает аргументы пары "имя-значение" использования дополнительных опций. Опции включают нормализацию, чтобы применяться, количество сегментов, чтобы сообщить, и метрика расстояния, чтобы использовать.

пример

findsignal(___) без выходных аргументов строит data и подсветки любые идентифицированные экземпляры signal.

Если массивы являются векторами действительных чисел, функция отображает data в зависимости от демонстрационного номера.
Если массивы являются комплексными векторами, функция отображает data на схеме Аргана.
Если массивы являются действительными матрицами, функциональным использованием imagesc отобразить signal на подграфике и data с подсвеченными областями на другом подграфике.
Если массивы являются комплексными матрицами, графики функций их действительные и мнимые части в верхней и нижней половине каждого изображения.

Примеры

свернуть все

Найдите сигнал в данных

Скрипт Open Live Script

Сгенерируйте набор данных, состоящий из Гауссова импульса на 5 Гц с 50%-й пропускной способностью, произведенной в течение половины секунды на уровне 1 кГц.

fs = 1e3;

t = 0:1/fs:0.5;
data = gauspuls(t,5,0.5);

Создайте сигнал, состоящий из полутора циклов синусоиды на 10 Гц. Постройте набор данных и сигнал.

ts = 0:1/fs:0.15;
signal = cos(2*pi*10*ts);

subplot(2,1,1)
plot(t,data)
title('Data')
subplot(2,1,2)
plot(ts,signal)
title('Signal')

Figure contains 2 axes. Axes 1 with title Data contains an object of type line. Axes 2 with title Signal contains an object of type line.

Найдите сегмент данных, которые имеют наименьшее Евклидово расстояние в квадрате до сигнала. Отобразите данные на графике и подсветите сегмент.

figure
findsignal(data,signal)

Figure contains 2 axes. Axes 1 with title signal contains an object of type line. Axes 2 with title signal matches found: 1 contains 2 objects of type line. These objects represent data, signal.

Добавьте два явно отдаленных раздела в набор данных. Найдите сегмент, который является самым близким к сигналу в смысле наличия наименьшего абсолютного расстояния.

dt = data;
dt(t>0.31&t<0.32) = 2.1;
dt(t>0.32&t<0.33) = -2.1;

findsignal(dt,signal,'Metric','absolute')

Figure contains 2 axes. Axes 1 with title signal contains an object of type line. Axes 2 with title signal matches found: 1 contains 2 objects of type line. These objects represent data, signal.

Позвольте осям X простираться если простирающиеся результаты в меньшем абсолютном расстоянии между самым близким сегментом данных и сигналом.

findsignal(dt,signal,'TimeAlignment','dtw','Metric','absolute')

Figure contains 2 axes. Axes 1 with title signal contains an object of type line. Axes 2 with title signal matches found: 1 contains 2 objects of type line. These objects represent data, signal.

Добавьте еще два отдаленных раздела в набор данных.

dt(t>0.1&t<0.11) = 2.1;
dt(t>0.11&t<0.12) = -2.1;

findsignal(dt,signal,'TimeAlignment','dtw','Metric','absolute')

Figure contains 2 axes. Axes 1 with title signal contains an object of type line. Axes 2 with title signal matches found: 1 contains 2 objects of type line. These objects represent data, signal.

Найдите два сегмента данных самыми близкими к сигналу.

findsignal(dt,signal,'TimeAlignment','dtw','Metric','absolute', ...
    'MaxNumSegments',2)

Figure contains 2 axes. Axes 1 with title signal contains an object of type line. Axes 2 with title signal matches found: 2 contains 2 objects of type line. These objects represent data, signals.

Вернитесь к нахождению одного сегмента. Выберите 'edr' как критерий протяжения оси X. Выберите допуск расстояния редактирования 3. Расстояние редактирования между несоответствием с выборками независимо от фактического разделения, делая 'edr' устойчивый к выбросам.

findsignal(dt,signal,'TimeAlignment','edr','EDRTolerance',3, ...
    'Metric','absolute')

Figure contains 2 axes. Axes 1 with title signal contains an object of type line. Axes 2 with title signal matches found: 1 contains 2 objects of type line. These objects represent data, signal.

Повторите вычисление, но теперь нормируйте данные и сигнал.

Задайте движущееся окно с 10 выборками любой стороне каждых данных и точки сигнала.
Вычтите среднее значение данных в окне и разделитесь на локальное стандартное отклонение.

Найдите нормированный сегмент данных, который имеет наименьшее абсолютное расстояние до нормированного сигнала. Отобразите ненормированные и нормированные версии данных и сигнала.

findsignal(dt,signal,'TimeAlignment','edr','EDRTolerance',3, ...
    'Normalization','zscore','NormalizationLength',21, ...
    'Metric','absolute','Annotate','all')

Figure contains 4 axes. Axes 1 with title Signal contains an object of type line. Axes 2 with title Normalized Signal contains an object of type line. Axes 3 with title Data contains 2 objects of type line. These objects represent data, signal. Axes 4 with title Normalized Data contains 2 objects of type line. These objects represent data, signal.

Найдите сигнал в данных с резкими изменениями

Скрипт Open Live Script

Сгенерируйте случайный массив данных где:

Среднее значение является постоянным в каждой из семи областей и изменяется резко от области до области.
Стандартное отклонение является постоянным в каждой из пяти областей и изменяется резко от области до области.

lr = 20;

mns = [0 1 4 -5 2 0 1];
nm = length(mns);

vrs = [1 4 6 1 3]/2;
nv = length(vrs);

v = randn(1,lr*nm*nv);

f = reshape(repmat(mns,lr*nv,1),1,lr*nm*nv);
y = reshape(repmat(vrs,lr*nm,1),1,lr*nm*nv);

t = v.*y+f;

Отобразите данные на графике, подсветив шаги его конструкции. Отобразите среднее и стандартное отклонение каждой области.

subplot(2,2,1)
plot(v)
title('Original')
xlim([0 700])

subplot(2,2,2)
plot([f;v+f]')
title('Means')
xlim([0 700])
text(lr*nv*nm*((0:1/nm:1-1/nm)+1/(2*nm)),-7*ones(1,nm),num2str(mns'), ...
    'HorizontalAlignment',"center")

subplot(2,2,3)
plot([y;v.*y]')
title('STD')
xlim([0 700])
text(lr*nv*nm*((0:1/nv:1-1/nv)+1/(2*nv)),-7*ones(1,nv),num2str(vrs'), ...
    'HorizontalAlignment',"center")

subplot(2,2,4)
plot(t)
title('Final')
xlim([0 700])

Figure contains 4 axes. Axes 1 with title Original contains an object of type line. Axes 2 with title Means contains 9 objects of type line, text. Axes 3 with title STD contains 7 objects of type line, text. Axes 4 with title Final contains an object of type line.

Создайте случайный сигнал со средним значением нуля и стандартным отклонением 1/2. Найдите и отобразите сегмент массива данных что лучшие соответствия сигнал.

sg = randn(1,2*lr)/2;

findsignal(t,sg)

Figure contains 2 axes. Axes 1 with title signal contains an object of type line. Axes 2 with title signal matches found: 1 contains 2 objects of type line. These objects represent data, signal.

Создайте случайный сигнал со средним значением нуля и стандартным отклонением 2. Найдите и отобразите сегмент массива данных что лучшие соответствия сигнал.

sg = randn(1,2*lr)*2;

findsignal(t,sg)

Figure contains 2 axes. Axes 1 with title signal contains an object of type line. Axes 2 with title signal matches found: 1 contains 2 objects of type line. These objects represent data, signal.

Создайте случайный сигнал со средним значением 2 и стандартным отклонением 2. Найдите и отобразите сегмент массива данных что лучшие соответствия сигнал.

sg = randn(1,2*lr)*2+2;

findsignal(t,sg)

Figure contains 2 axes. Axes 1 with title signal contains an object of type line. Axes 2 with title signal matches found: 1 contains 2 objects of type line. These objects represent data, signal.

Создайте случайный сигнал со средним значением-4 и стандартным отклонением 3. Найдите и отобразите сегмент массива данных что лучшие соответствия сигнал.

sg = randn(1,2*lr)*3-4;

findsignal(t,sg)

Figure contains 2 axes. Axes 1 with title signal contains an object of type line. Axes 2 with title signal matches found: 1 contains 2 objects of type line. These objects represent data, signal.

Повторите вычисление, но на этот раз вычтите среднее значение и из сигнала и из данных.

findsignal(t,sg,'Normalization','zscore','Annotate','all')

Найдите букву в записи выборки

Скрипт Open Live Script

Создайте гарнитуру, которая напоминает выход ранних компьютеров. Используйте его, чтобы записать слову MATLAB®.

rng default

chr = @(x)dec2bin(x')-48;

M = chr([34 34 54 42 34 34 34]);
A = chr([08 20 34 34 62 34 34]);
T = chr([62 08 08 08 08 08 08]);
L = chr([32 32 32 32 32 32 62]);
B = chr([60 34 34 60 34 34 60]);

MATLAB = [M A T L A B];

Повредите слово путем повторения случайных столбцов букв и варьирования интервала. Покажите исходное слово и три поврежденных версии.

c = @(x)x(:,sort([1:6 randi(6,1,2)]));

subplot(4,1,1,'XLim',[0 60])
spy(MATLAB)
xlabel('')
ylabel('Original')

for kj = 2:4
    subplot(4,1,kj,'XLim',[0 60])
    spy([c(M) c(A) c(T) c(L) c(A) c(B)])
    xlabel('')
    ylabel('Corrupted')
end

Figure contains 4 axes. Axes 1 contains an object of type line. Axes 2 contains an object of type line. Axes 3 contains an object of type line. Axes 4 contains an object of type line.

Сгенерируйте еще одну поврежденную версию слова. Ищите шумную версию буквы "A". Отобразите расстояние между поисковым массивом и сегментом данных, самым близким к нему. Сегмент проникает в "T", потому что горизонтальные оси тверды.

corr = [c(M) c(A) c(T) c(L) c(A) c(B)];

sgn = c(A);

[ist,ind,dst] = findsignal(corr,sgn);

clf
subplot(2,1,1)
spy(sgn)
subplot(2,1,2)
spy(corr)
chk = zeros(size(corr));
chk(:,ist:ind) = corr(:,ist:ind);
hold on
spy(chk,'*k')
hold off

Figure contains 2 axes. Axes 1 contains an object of type line. Axes 2 contains 2 objects of type line.

dst

dst = 11

Позвольте горизонтальным осям простираться. Самый близкий сегмент является пересечением поискового массива и первой инстанцией "A". Расстояние между сегментом и массивом является нулем.

[ist,ind,dst] = findsignal(corr,sgn,'TimeAlignment','dtw');

subplot(2,1,1)
spy(sgn)
subplot(2,1,2)
spy(corr)
chk = zeros(size(corr));
chk(:,ist:ind) = corr(:,ist:ind);
hold on
spy(chk,'*k')
hold off

Figure contains 2 axes. Axes 1 contains an object of type line. Axes 2 contains 2 objects of type line.

dst

dst = 0

Повторите расчет с помощью встроенной функциональности findsignal. Разделитесь на локальное среднее значение, чтобы нормировать данные и сигнал. Используйте симметричную метрику Kullback-Leibler.

findsignal(corr,sgn,'TimeAlignment','dtw', ...
    'Normalization','power','Metric','symmkl','Annotate','all')

Figure contains 4 axes. Axes 1 with title Signal contains an object of type image. Axes 2 with title Normalized Signal contains an object of type image. Axes 3 with title Data contains 3 objects of type image, patch. Axes 4 with title Normalized Data contains 3 objects of type image, patch.

Входные параметры

свернуть все

`data` — Массив данных
вектор | матрица

Массив данных в виде вектора или матрицы.

Типы данных: single | double
Поддержка комплексного числа: Да

`signal` — Поисковый массив
вектор | матрица

Поисковый массив в виде вектора или матрицы.

Типы данных: single | double
Поддержка комплексного числа: Да

Аргументы в виде пар имя-значение

Задайте дополнительные разделенные запятой пары Name,Value аргументы. Name имя аргумента и Value соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.

Пример: 'MaxNumSegments',2,'Metric','squared','Normalization','center','NormalizationLength',11 находит два сегмента массива данных, которые имеют наименьшие Евклидовы расстояния в квадрате до поискового сигнала. И данные и сигнал нормированы путем вычитания среднего значения раздвижного окна. Окно имеет пять выборок любой стороне каждой точки для общей длины 5 + 5 + 1 = 11 выборок.

`'Normalization'` — Статистическая величина нормализации
`'none'` (значение по умолчанию) | `'center'` | `'power'` | `'zscore'`

Статистическая величина нормализации в виде разделенной запятой пары, состоящей из 'Normalization' и одно из этих значений:

'none' — Не нормировать.
'center' — Вычтите локальное среднее значение.
'power' — Разделитесь на локальное среднее значение.
'zscore' — Вычтите локальное среднее значение и разделитесь на локальное стандартное отклонение.

`'NormalizationLength'` — Продолжительность нормализации
`length(data)` (значение по умолчанию) | целочисленный скаляр

Продолжительность нормализации в виде разделенной запятой пары, состоящей из 'NormalizationLength' и целочисленный скаляр. Это значение представляет минимальное количество выборок, по которым можно нормировать каждую выборку и в данных и в сигнале. Если сигнал является матрицей, то 'NormalizationLength' представляет много столбцов.

Типы данных: single | double

`'MaxDistance'` — Максимальное расстояние сегмента
`Inf` (значение по умолчанию) | положительный действительный скаляр

Максимальное расстояние сегмента в виде разделенной запятой пары, состоящей из 'MaxDistance' и положительный действительный скаляр. Если вы задаете 'MaxDistance', затем findsignal возвращает запуск и индексы остановки всех сегментов data чьи расстояния от signal и локальные минимумы и меньший, чем 'MaxDistance'.

Типы данных: single | double

`'MaxNumSegments'` — Максимальное количество сегментов, чтобы возвратиться
1 (значение по умолчанию) | положительный целочисленный скаляр

Максимальное количество сегментов, чтобы возвратиться в виде разделенной запятой пары, состоящей из 'MaxNumSegments' и положительный целочисленный скаляр. Если вы задаете 'MaxNumSegments', затем findsignal определяет местоположение всех сегментов data чьи расстояния от сигнала являются локальными минимумами, и возвращается до 'MaxNumSegments' сегменты с наименьшими расстояниями.

Типы данных: single | double

`'TimeAlignment'` — Метод выравнивания времени
`'fixed'` (значение по умолчанию) | `'dtw'` | `'edr'`

Метод выравнивания времени в виде разделенной запятой пары, состоящей из 'TimeAlignment' и одно из этих значений:

'fixed' — Не расширяйте или повторяйте выборки, чтобы минимизировать расстояние.
'dtw' — Попытайтесь уменьшить расстояние путем протяжения оси времени и повторения выборок или в данных или в сигнале. Смотрите dtw для получения дополнительной информации.
'edr' — Минимизируйте количество редактирований так, чтобы расстояние между каждой остающейся выборкой сегмента данных и его дубликатом сигнала нашлось в данном допуске. Редактирование заключается в удалении выборки из данных, сигнала или обоих. Задайте допуск с помощью 'EDRTolerance' аргумент. Используйте эту опцию, когда любой из входных массивов будет иметь выбросы. Смотрите edr для получения дополнительной информации.

`'EDRTolerance'` — Отредактируйте допуск расстояния
действительный скаляр

Отредактируйте допуск расстояния в виде разделенной запятой пары, состоящей из 'EDRTolerance' и действительный скаляр. Используйте этот аргумент, чтобы найти сигнал когда 'TimeAlignment' аргумент пары "имя-значение" установлен в 'edr'.

Типы данных: single | double

`'Metric'` — Метрика расстояния
`'squared'` (значение по умолчанию) | `'absolute'` | `'euclidean'` | `'symmkl'`

Метрика расстояния в виде разделенной запятой пары, состоящей из 'Metric' и один из 'squared', 'absolute', 'euclidean', или 'symmkl'. Если X и Y является оба K - размерные сигналы, то Metric предписывает _dmn (X, Y), расстояние между m th выборка X и n th выборка Y. Смотрите Динамическую трансформацию временной шкалы для получения дополнительной информации о _dmn (X, Y).

'squared' — Квадрат Евклидовой метрики, состоя из суммы различий в квадрате:

$d_{m n} (X, Y) = \sum_{k = 1}^{K} {(x_{k, m} - y_{k, n})}^{*} (x_{k, m} - y_{k, n})$
'euclidean' — Корневая сумма различий в квадрате, также известных как Евклидово или ℓ ₂ метрики:

$d_{m n} (X, Y) = \sqrt{\sum_{k = 1}^{K} {(x_{k, m} - y_{k, n})}^{*} (x_{k, m} - y_{k, n})}$
'absolute' — Сумма абсолютных разностей, также известных как Манхэттен, городской квартал, такси или ℓ ₁ метрика:

$d_{m n} (X, Y) = \sum_{k = 1}^{K} | x_{k, m} - y_{k, n} | = \sum_{k = 1}^{K} \sqrt{{(x_{k, m} - y_{k, n})}^{*} (x_{k, m} - y_{k, n})}$
'symmkl' — Симметричная метрика Kullback-Leibler. Эта метрика допустима только для действительных и положительных X и Y:

$d_{m n} (X, Y) = \sum_{k = 1}^{K} (x_{k, m} - y_{k, n}) (\log x_{k, m} - \log y_{k, n})$

`'Annotate'` — Стиль графика
`'signal'` (значение по умолчанию) | `'data'` | `'all'`

Стиль графика в виде разделенной запятой пары, состоящей из 'Annotate' и одно из этих значений:

'data' отображает данные на графике и подсвечивает области, которые лучше всего совпадают с сигналом.
'signal' строит сигнал в отдельном подграфике.
'all' строит сигнал, данные, нормированный сигнал и нормированные данные в отдельных подграфиках.

Этот аргумент проигнорирован, если вы вызываете findsignal с выходными аргументами.

Выходные аргументы

свернуть все

`istart,istop` — Индексы начала и конца сегмента
целочисленные скаляры | векторы

Индексы начала и конца сегмента, возвращенные как целочисленные скаляры или векторы.

`dist` — Минимальное расстояние сигнала данными
скаляр | вектор

Минимальное расстояние сигнала данными, возвращенное как скаляр или вектор.

Расширенные возможности

Генерация кода C/C++
Генерация кода C и C++ с помощью MATLAB® Coder™.

Темы

Введенный в R2017b

Документация

findsignal

Синтаксис

Описание

Примеры

Найдите сигнал в данных

Найдите сигнал в данных с резкими изменениями

Найдите букву в записи выборки

Входные параметры

`data` — Массив данных
вектор | матрица

`signal` — Поисковый массив
вектор | матрица

Аргументы в виде пар имя-значение

`'Normalization'` — Статистическая величина нормализации
`'none'` (значение по умолчанию) | `'center'` | `'power'` | `'zscore'`

`'NormalizationLength'` — Продолжительность нормализации
`length(data)` (значение по умолчанию) | целочисленный скаляр

`'MaxDistance'` — Максимальное расстояние сегмента
`Inf` (значение по умолчанию) | положительный действительный скаляр

`'MaxNumSegments'` — Максимальное количество сегментов, чтобы возвратиться
1 (значение по умолчанию) | положительный целочисленный скаляр

`'TimeAlignment'` — Метод выравнивания времени
`'fixed'` (значение по умолчанию) | `'dtw'` | `'edr'`

`'EDRTolerance'` — Отредактируйте допуск расстояния
действительный скаляр

`'Metric'` — Метрика расстояния
`'squared'` (значение по умолчанию) | `'absolute'` | `'euclidean'` | `'symmkl'`

`'Annotate'` — Стиль графика
`'signal'` (значение по умолчанию) | `'data'` | `'all'`

Выходные аргументы

`istart,istop` — Индексы начала и конца сегмента
целочисленные скаляры | векторы

`dist` — Минимальное расстояние сигнала данными
скаляр | вектор

Расширенные возможности

Генерация кода C/C++
Генерация кода C и C++ с помощью MATLAB® Coder™.

Смотрите также

Темы

Документация Signal Processing Toolbox

Поддержка

Документация

findsignal

Синтаксис

Описание

Примеры

Найдите сигнал в данных

Найдите сигнал в данных с резкими изменениями

Найдите букву в записи выборки

Входные параметры

data — Массив данных вектор | матрица

signal — Поисковый массив вектор | матрица

Аргументы в виде пар имя-значение

'Normalization' — Статистическая величина нормализации 'none' (значение по умолчанию) | 'center' | 'power' | 'zscore'

'NormalizationLength' — Продолжительность нормализации length(data) (значение по умолчанию) | целочисленный скаляр

'MaxDistance' — Максимальное расстояние сегмента Inf (значение по умолчанию) | положительный действительный скаляр

'MaxNumSegments' — Максимальное количество сегментов, чтобы возвратиться1 (значение по умолчанию) | положительный целочисленный скаляр

'TimeAlignment' — Метод выравнивания времени 'fixed' (значение по умолчанию) | 'dtw' | 'edr'

'EDRTolerance' — Отредактируйте допуск расстояния действительный скаляр

'Metric' — Метрика расстояния 'squared' (значение по умолчанию) | 'absolute' | 'euclidean' | 'symmkl'

'Annotate' — Стиль графика 'signal' (значение по умолчанию) | 'data' | 'all'

Выходные аргументы

istart,istop — Индексы начала и конца сегмента целочисленные скаляры | векторы

dist — Минимальное расстояние сигнала данными скаляр | вектор

Расширенные возможности

Генерация кода C/C++ Генерация кода C и C++ с помощью MATLAB® Coder™.

Смотрите также

Темы

Документация Signal Processing Toolbox

Поддержка

`data` — Массив данных
вектор | матрица

`signal` — Поисковый массив
вектор | матрица

`'Normalization'` — Статистическая величина нормализации
`'none'` (значение по умолчанию) | `'center'` | `'power'` | `'zscore'`

`'NormalizationLength'` — Продолжительность нормализации
`length(data)` (значение по умолчанию) | целочисленный скаляр

`'MaxDistance'` — Максимальное расстояние сегмента
`Inf` (значение по умолчанию) | положительный действительный скаляр

`'MaxNumSegments'` — Максимальное количество сегментов, чтобы возвратиться
1 (значение по умолчанию) | положительный целочисленный скаляр

`'TimeAlignment'` — Метод выравнивания времени
`'fixed'` (значение по умолчанию) | `'dtw'` | `'edr'`

`'EDRTolerance'` — Отредактируйте допуск расстояния
действительный скаляр

`'Metric'` — Метрика расстояния
`'squared'` (значение по умолчанию) | `'absolute'` | `'euclidean'` | `'symmkl'`

`'Annotate'` — Стиль графика
`'signal'` (значение по умолчанию) | `'data'` | `'all'`

`istart,istop` — Индексы начала и конца сегмента
целочисленные скаляры | векторы

`dist` — Минимальное расстояние сигнала данными
скаляр | вектор

Генерация кода C/C++
Генерация кода C и C++ с помощью MATLAB® Coder™.