Частотно-временной анализ
Signal Processing Toolbox™ обеспечивает функции и приложения, которые позволяют вам визуализировать и сравнить содержимое частоты времени неустановившихся сигналов. Вычислите кратковременное преобразование Фурье и его инверсию. Получите резкие спектральные оценки с помощью переназначения или synchrosqueezing Фурье. Постройте перекрестные спектрограммы, распределения Wigner-Ville и спектры персистентности. Извлеките и отследите частотно-временные гребни. Оцените мгновенную частоту, мгновенную пропускную способность, спектральный эксцесс и спектральную энтропию. Выполните адаптивный данными частотно-временной анализ с помощью эмпирического или вариационного разложения режима и преобразования Гильберта-Хуанга.
Приложения
| Signal Analyzer | Визуализируйте и сравните несколько сигналов и спектров |
| Signal Labeler | Пометьте атрибуты сигнала, области и интересные места |
Функции
Темы
Исследуйте функции и ограничения функций частотно-временного анализа, обеспеченных Signal Processing Toolbox.
Практическое введение в непрерывный анализ вейвлета (Wavelet Toolbox)
В этом примере показано, как выполнить и интерпретировать непрерывный анализ вейвлета.
Основанный на БПФ частотно-временной анализ
Отобразите спектрограмму линейного сигнала FM.
Мгновенная частота комплексного щебета
Вычислите мгновенную частоту сигнала с помощью synchrosqueezed преобразования Фурье.
Обнаружьте близко расположенные синусоиды
Вычислите мгновенную частоту двух синусоид с помощью synchrosqueezed преобразования Фурье. Определите, насколько разделенный синусоиды должен быть для преобразования, чтобы разрешить их.
Радар и коммуникационная классификация форм волны Используя глубокое обучение (Phased Array System Toolbox)
В этом примере показано, как классифицировать радар и коммуникационные формы волны с помощью Распределения Wigner-Ville (WVD) и глубокой сверточной нейронной сети (CNN).
Пешеход и классификация велосипедистов Используя глубокое обучение (Radar Toolbox)
Классифицируйте пешеходов и велосипедистов на основе их micro-Doppler характеристик с помощью нейронной сети для глубокого обучения и частотно-временного анализа.
