Signalaufbereitung und Merkmalextraktion für Data Analytics mit MATLAB

Kursbeschreibung

In diesem eintägigen Kurs bereiten Sie mit MATLAB^®, der Signal Processing Toolbox™ und der Wavelet Toolbox™ zeitbasierte Signale auf und extrahieren wichtige Merkmale in den Zeit- und Frequenzbereichen. Der Kurs ist für Datenanalysten und Ingenieure konzipiert, die Zeitreihensignale für Data Analytics-Anwendungen analysieren. Vorkenntnisse in der Signalverarbeitung sind nicht erforderlich.

Themen sind unter anderem:

Erstellen, 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 Signalen (Zeitreihen) in MATLAB

Ziel: Importieren und Visualisieren mehrerer Signale oder Zeitreihensignale, um Einblicke in die Merkmale und Trends der Daten zu erhalten.

Importieren, Visualisieren und Durchsuchen von Signalen, um Einblicke zu erhalten
Durchführen von Messungen an Signalen
Vergleichen mehrerer Signale im Zeit- und Frequenzbereich
Durchführen interaktiver Spektralanalysen
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 Techniken zur Bereinigung 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 ungleichmäßig abgetasteten Daten
Auffinden von Datenlücken und Beseitigen oder Füllen der Lücken
Entfernen von Rauschen und unerwünschtem Frequenzinhalt
Entfernen von Rauschen mithilfe von Wavelets
Verwenden des Hüllkurvenspektrums zum Durchführen von Fehleranalysen
Lokalisieren von Ausreißerwerten in den Daten und Ersetzen dieser Ausreißer durch geeignete Daten
Lokalisieren abrupter Änderungen in Signalen und Verwenden von Grenzen zum automatischen Erzeugen von Signalsegmenten

Extrahieren von Merkmalen aus Signalen

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

Finden von Peaks
Lokalisieren gewünschter Signale aus Mustern in den Zeit- und Spektralbereichen
Verwenden von Spektralanalysen zum Extrahieren von Merkmalen aus Signalen
Klassifizieren mithilfe von überwachtem Lernen
Interaktives Trainieren und Auswerten von Klassifikationsalgorithmen mit der Classification Learner App

Stufe: Aufbaukurse

Voraussetzungen:

MATLAB Grundlagen oder äquivalente MATLAB-Kenntnisse

Dauer: 1 Tag

Sprachen: English, 中文, 한국어