Signalverarbeitung

MATLAB und Simulink für Signalverarbeitung

Analysieren Sie Signale und Zeitreihendaten. Modellieren, entwerfen und simulieren Sie Signalverarbeitungssysteme.

Signalverarbeitungsingenieure nutzen MATLAB und Simulink in allen Phasen der Entwicklung – von der Analyse von Signalen und Untersuchung von Algorithmen bis hin zur Bewertung von Kompromissen bei der Implementierung von Entwürfen für die Erstellung von Echtzeit-Signalverarbeitungssystemen.

Lösungen in Aktion

Erhalten Sie Zugriff auf integrierte Funktionen und Apps für die Analyse und Vorverarbeitung von Zeitreihendaten, Spektral- und Zeit-Frequenz-Analysen sowie Signalmessungen.

Verwenden Sie Apps und Algorithmen für den Entwurf, die Analyse und Implementierung von digitalen Filtern, von einfachen FIR- und IIR-Filtern bis hin zu adaptiven, Multiraten- und mehrstufigen Designs.

Modellieren und simulieren Sie Signalverarbeitungssysteme mit einer Kombination aus Funktionen und Blockdiagrammen.

Modellieren Sie Festkomma-Verhalten und generieren Sie C/C++ oder HDL-Code für den Einsatz auf Embedded-Prozessoren, FPGAs und ASICs.

Entwickeln Sie prädiktive Modelle mithilfe von Signalen und Sensordaten mit Machine-Learning- und Deep-Learning-Workflows.

Jetzt loslegen

Signalverarbeitung Onramp

Ressourcen zur Signalverarbeitung

Video

Erste Schritte mit Simulink für die Signalverarbeitung

Video ansehen (12:31)

Video

Mit MATLAB der DNA des Klangs auf der Spur

Video ansehen (0:49)

Video

Entwicklung von digitaler Filterung und Implementierung in Simulink

Video ansehen (9:09)

Wichtigste Funktionen

Signalanalysen und -messungen

Visualisierung und Verarbeitung von Signalen im Zeit-, Frequenz- und Zeit-Frequenz-Bereich, ohne manuell Code schreiben zu müssen. Charakterisierung von Signalen und Signalverarbeitungssystemen mithilfe domänenspezifischer Algorithmen für Anwendungen wie Kommunikation, Radar, Audio, Medizinprodukte und IoT.

Screenshot von Signal Analyzer mit geöffneter Registerkarte „Display“, auf der vier verschiedene Diagramme zu sehen sind. — Analyse von Signalen mit der integrierten App, um Muster und Trends zu erkennen.

Filterentwurf und -analyse

Entwurf und Analyse von digitalen Filtern, von einfachen Tiefpass-/Hochpassfiltern bis hin zu komplexen FIR-/IIR-Filtern, einschließlich Multirate-, Mehrstufen- und adaptiven Filtern. Visualisierung von Größe, Phase und Impulsantwort. Bewertung der Leistung, Stabilität und Phasenlinearität.

Graph gefilterter Wellenformen in mehreren Farben. — Analyse digital gefilterter Wellenformen.

Model-Based Design für Signalverarbeitung

Entwicklung von Signalverarbeitungssystemen mithilfe von Blockdiagrammen. Anwendung von Model-Based Design mit Simulink für die Modellierung, Simulation, Verifikation und Codegenerierung. Verwendung von Blockbibliotheken für bestimmte Algorithmen und Visualisierung von direkt übertragenen Signalen mit virtuellen Oszilloskopen.

Diagramm einer Demo mithilfe eines Codecs mit niedriger Bitrate für das Internet. — Anwendung von Model-Based Design für Signalverarbeitungsanwendungen.

Generierung von Embedded Code

Generierung von C/C++ Code aus Signalverarbeitungsalgorithmen mithilfe von MATLAB Coder und Simulink Coder für Simulation, Prototyping und eingebettete Anwendungen. Erstellung von optimiertem C Code für ARM^® Cortex^®-Prozessoren. Erzeugung von Verilog^®- und VHDL^®-Code für FPGA- oder ASIC-Designs aus MATLAB- und Simulink-Modellen.

Screenshot eines Codegenerierungsberichts. — Automatische Generierung von C/C++ Code, einschließlich Codegenerierungsberichten.

Machine Learning und Deep Learning

Erstellung von Vorhersagemodellen für Signalverarbeitungsanwendungen mit MATLAB. Nutzung integrierter Signalverarbeitungsalgorithmen zum Extrahieren von Merkmalen für Machine-Learning-Systeme. Verarbeitung großer Datensätze, um Signale bei der Entwicklung von Deep-Learning-Anwendungen zu erfassen, zu ergänzen und zu kommentieren.