Hauptinhalt

Die Übersetzung dieser Seite ist veraltet. Klicken Sie hier, um die neueste Version auf Englisch zu sehen.

Erkennung von Anomalien

R2026a
Erkennen Sie Signalanomalien mithilfe von KI-Modellen einschließlich Deep-Learning-Netzen

Extrahieren Sie vereinzelte Zeit-Frequenz-Merkmale, um Anomalien in elektromagnetischen und akustischen Daten sowie Vibrationsdaten zu erkennen.

Funktionen

alle erweitern

deepSignalAnomalyDetectorCreate signal anomaly detector (Seit R2023a)
audioDatastoreDatastore for collection of audio files
arrayDatastoreDatastore for in-memory data
signalDatastoreDatastore for collection of signals
imageDatastoreDatastore for image data
waveletScatteringWavelet time scattering
signalTimeFeatureExtractorStreamline signal time feature extraction
signalFrequencyFeatureExtractorStreamline signal frequency feature extraction
signalTimeFrequencyFeatureExtractorStreamline signal time-frequency feature extraction (Seit R2024a)
stftLayerShort-time Fourier transform layer
istftLayerInverse short-time Fourier transform layer (Seit R2024a)
cwtLayerContinuous wavelet transform layer (Seit R2022b)
icwtLayerInverse continuous wavelet transform layer (Seit R2024b)
modwtLayerMaximal overlap discrete wavelet transform layer (Seit R2022b)

Blöcke

Wavelet Scattering block iconWavelet ScatteringModel wavelet scattering network in Simulink (Seit R2022b)
Deep Signal Anomaly Detector iconDeep Signal Anomaly DetectorDetect signal anomalies using deep learning network in Simulink (Seit R2024a)

Enthaltene Beispiele