Schulungen zu MATLAB und Simulink

Signalaufbereitung und Merkmalextraktion für Data Analytics mit MATLAB

Kursbeschreibung

In diesem eintägigen Kurs bereiten Sie mit MATLAB®, der Signal Processing Toolbox™ sowie der Wavelet Toolbox™ zeitbasierte Signale auf und extrahieren Merkmale im Zeit- und Frequenzbereich. Der Kurs ist für Datenanalysten und Ingenieure konzipiert, die Zeitreihensignale für Data Analytics Anwendungen analysieren. Kenntnisse in der Signalverarbeitung werden nicht vorausgesetzt.

Themen sind unter anderem:

  • Generieren, Importieren und Visualisieren von Signalen
  • Aufbereiten von Daten zur Verbesserung der Qualität durch Füllen von Datenlücken, Resampling, Glätten, Ausrichten von Signalen, Finden und Entfernen von Ausreißern sowie Verarbeiten nicht gleichmäßig abgetasteter Signale
  • Extrahieren von Merkmalen im Zeit- und Frequenzbereich durch Erkennen von Mustern oder abrupten Änderungen in Signalen, Lokalisieren von Peaks und Identifizieren von Trends

Tag 1 von 1


Erkunden und Analysieren von Zeitreihensignalen in MATLAB

Ziel: Importieren und Visualisieren mehrerer Signale oder Datensätze mit Zeitreihen, um Erkenntnisse zu Merkmalen und Trends in Daten zu gewinnen.

  • Importieren, Visualisieren und Betrachten von Signalen, um Erkenntnisse zu gewinnen
  • Durchführen von Messungen an Signalen
  • Vergleichen mehrerer Signale im Zeit- und Frequenzbereich
  • Interaktives Durchführen spektraler Analysen
  • Extrahieren interessanter Bereiche für eine gezielte Analyse
  • Wiederholtes Analysieren mit automatisch generierten MATLAB-Skripten

Aufbereiten von Signalen zur Verbesserung der Qualität von Datensätzen

Ziel: Erlernen von Methoden zum Bereinigen von Signalen durch Resampling, Entfernen von Ausreißern und Füllen von Datenlücken.

  • Konvertieren von Abtastraten durch Resampling, um eine gemeinsame zeitliche Basis für mehrere Signale sicherzustellen
  • Arbeiten mit nicht gleichmäßig abgetasteten Daten
  • Finden und anschließendes Entfernen oder Füllen von Datenlücken
  • Entfernen von Rauschen und unerwünschtem Frequenzinhalt
  • Unterdrücken von Rauschen mit Wavelets
  • Berechnen des Hüllkurvenspektrums zum Durchführen von Fehleranalysen
  • Erkennen von Ausreißern in Daten und Ersetzen mit geeigneten Werten
  • Lokalisieren abrupter Änderungen in Signalen und Verwenden von Grenzen zum automatischen Erzeugen von Signalsegmenten

Extrahieren von Merkmalen aus Signalen

Ziel: Anwenden verschiedener Techniken zur Merkmalextraktion im Zeit- und Frequenzbereich. Kennenlernen von Tools für die Spektralanalyse mit MATLAB und Erkunden von Möglichkeiten zur Merkmalextraktion für mehrere Signale.

  • Finden von Peaks
  • Lokalisieren gewünschter Muster in Signalen im Zeit- und Frequenzbereich
  • Verwenden der Spektralanalyse zur Extraktion von Merkmalen aus Signalen
  • Klassifizieren mittels Supervised Learning
  • Interaktives Trainieren und Auswerten von Klassifikationsalgorithmen mit der Classification Learner App

Stufe: Aufbaukurse

Voraussetzungen:

Dauer: 1 Tag

Sprachen: Deutsch, English, 日本語, 한국어, 中文