Рассмотрим двухколоночную матрицу, представляющую возможные необходимые области 45-выборочного случайного сигнала. Извлеките выборки сигнала, соответствующие необходимым областям.

x = randn(45,1);
 
roilims = [5 10; 15 25; 30 35];

sigroi = extractsigroi(x,roilims);

Постройте график сигнала и выделите интересующие вас области.

plot(x)

hold on
for kj = 1:length(sigroi)
    plot(roilims(kj,1):roilims(kj,2),sigroi{kj})
end
hold off

Рассмотрим набор данных о температуре, собранных термометром в офисном создании в течение примерно четырех месяцев. Устройство делает показания каждые полчаса. Таким образом, скорость дискретизации составляет 48 измерений/день. Преобразуйте температуру в степени Цельсия и постройте график данных.

load officetemp

tempC = (temp-32)*5/9;

fs = 48;
t = (0:length(tempC) - 1)/fs;

plot(t,tempC)
xlabel('Time (days)')
ylabel('Temperature ( {}^\circC )')

Создайте пределы необходимой области, которые разделяют данные о температуре на 29-дневные периоды.

roilims = [1 29; 30 58; 59 87; 88 116];

Извлечение необходимых областей. Вычислите среднюю температуру каждого периода и отобразите значения.

sigroi = extractsigroi(tempC,roilims*fs);

cellfun(@mean,sigroi)'

ans = 1×4

   22.8819   22.3073   22.7633   23.0066

Рассмотрим двухколоночную матрицу, представляющую возможные необходимые области 45-выборочного случайного сигнала. Извлеките выборки сигнала, соответствующие необходимым областям. Сгруппируйте выборки в один вектор.

x = randn(45,1);

roilims = [5 10; 15 25; 30 35];

sigroi = extractsigroi(x,roilims,true);

Постройте график сигнала и выделите интересующие вас области.

plot(x)

y = NaN(size(x));

for kj = 1:size(roilims,1)
    roi = roilims(kj,1):roilims(kj,2);
    y(roi) = sigroi(1:length(roi));
    sigroi(1:length(roi)) = [];
end

hold on
plot(y)
hold off

Рассмотрите набор данных о температуре, собранных термометром в офисном создании в течение четырех месяцев. Устройство делает показания каждые полчаса. Таким образом, скорость дискретизации составляет 48 измерений/день. Преобразуйте температуру в степени Цельсия.

load officetemp

tempC = (temp-32)*5/9;

fs = 48;

Создайте пределы видимой области (ROI), которые соответствуют пяти случайным двухнедельным периодам, разделенным по крайней мере на 24 часа. Используйте показания температуры из этих дней для аудита.

r = 5;
w = 14*fs;
s = 1*fs;

hq = histcounts(randi(r+1,1,length(tempC)-r*w-(r-1)*s),(1:r+2)-1/2);
t = (1 + (0:r-1)*(w+s) + cumsum(hq(1:r)))';

roilims = [t t+w-1];

Извлечение необходимых областей. Вычислите среднюю температуру каждого проверяемой необходимой области и отобразите значения.

sigroi = extractsigroi(tempC,roilims);

cellfun(@mean,sigroi)'

ans = 1×5

   22.8075   22.2586   22.4256   22.9018   23.1457

Снова извлеките необходимые области, но теперь объедините выборки в один вектор. Вычислите среднюю температуру по проверяемым областям.

sigroic = extractsigroi(tempC,roilims,true);

avgTFc = mean(sigroic)

avgTFc = 22.7078

Преобразуйте пределы информация только для чтения в двоичную последовательность и создайте маску. Срочное время в неделях.

m = sigroi2binmask(roilims,length(tempC));

msk = signalMask(m,'SampleRate',fs*7,'Categories',"Audit");

Постройте график данных и визуализируйте необходимые области с помощью прямоугольных закрашенных фигур.

plotsigroi(msk,tempC,true)
xlabel('Time (weeks)')
ylabel('Temperature ( {}^\circC )')