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

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

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 neuronaler Netze mit der Classification Learner App