La traduction de cette page n'est pas à jour. Cliquez ici pour voir la dernière version en anglais.
Transformées
R2026aDSP System Toolbox™ comprend plusieurs System objects et blocs permettant de transformer des signaux en streaming du domaine temporel vers le domaine fréquentiel et vice versa. Des techniques comme la transformée de Fourier rapide (FFT), la transformée de Fourier à court terme, la FFT haute résolution, les transformées en ondelettes et les opérations inverses correspondantes permettent d’analyser le signal dans l’un ou l’autre domaine et se prêtent à diverses applications. Vous trouverez un exemple dans Analyze a Subband of Input Frequencies Using Zoom FFT. Pour un module du programme d’enseignement MathWorks® sur ce thème, veuillez consulter Analyse de Fourier (Ressources pédagogiques MathWorks).
DSP System Toolbox propose également le bloc Wavelet Scattering qui crée un framework de diffusion temporelle par ondelettes dans l’environnement Simulink®. Utilisez ce bloc pour déterminer des caractéristiques à faible variance à partir de données à valeurs réelles, puis utilisez ces caractéristiques dans des applications de Machine Learning et de Deep Learning. Pour plus d’informations, veuillez consulter Wavelet Scattering (Wavelet Toolbox). Le bloc Wavelet Scattering nécessite Wavelet Toolbox™.
Objets
dsp.FFT | Discrete Fourier transform |
dsp.IFFT | Inverse discrete Fourier transform (IDFT) |
dsp.ISTFT | Inverse short-time FFT |
dsp.STFT | Short-time FFT |
dsp.ZoomFFT
| High-resolution FFT of a portion of a spectrum |
Blocs
 | Complex Cepstrum | Compute complex cepstrum of input |
 | FFT | Fast Fourier transform (FFT) of input |
 | IFFT | Inverse fast Fourier transform (IFFT) of input |
 | Inverse Short-Time FFT | Recover time-domain signals by performing inverse short-time fast Fourier transform (FFT) |
 | Magnitude FFT | Compute nonparametric estimate of spectrum using periodogram method |
 | Real Cepstrum | Compute real cepstrum of input |
 | Short-Time FFT | Nonparametric estimate of spectrum using short-time fast Fourier transform (STFT) method |
 | Zoom FFT | High-resolution FFT of a portion of a spectrum |
 | DCT | Discrete cosine transform (DCT) of input |
 | DWT | Compute discrete wavelet transform (DWT) of input or decompose signals into subbands with smaller bandwidths and slower sample rates |
 | IDCT | Inverse discrete cosine transform (IDCT) of input |
 | IDWT | Inverse discrete wavelet transform (IDWT) of input or reconstruct signals from subbands with smaller bandwidths and slower sample rates |
 | Wavelet Scattering | Modèle de réseau de diffusion par ondelettes dans Simulink (depuis R2022b) |
Rubriques
- Transform Time-Domain Data into Frequency Domain
This example shows how to transform time-domain data into the frequency domain using the FFT block.
- Transform Frequency-Domain Data into Time Domain
When you want to transform frequency-domain data into the time domain, use the IFFT block.
- Linear and Bit-Reversed Output Order
Learn the meaning of linear and bit-reversed data order as used by the FFT and IFFT blocks.
- Analyze a Subband of Input Frequencies Using Zoom FFT
Compute the zoom FFT of a sine wave in Simulink.
- Speech Enhancement with Gain in Frequency Domain
Denoise a signal by applying selective gain on the signal in the frequency domain. Convert the denoised signal back into time domain and play the signal using Audio Device Writer.
- Variable-Size Signal Support DSP System Objects
List of System objects that support variable-sized signals in DSP System Toolbox.
Sélection d՚exemples
Zoom FFT
Showcases zoom FFT, which is a signal processing technique used to analyze a portion of a spectrum at a high resolution. DSP System Toolbox™ offers this functionality in MATLAB® through the dsp.ZoomFFT System object™, and in Simulink® through the Zoom FFT block in the DSP System Toolbox library.
Detect Air Compressor Sounds in Simulink Using Wavelet Scattering
Use the Wavelet Scattering block and a pretrained deep learning network to classify audio signals.
Deploy Wavelet Scattering and TensorFlow Lite Network on a Raspberry Pi Using Simulink
Generate and deploy Raspberry Pi® code to detect air compressor sounds using the Wavelet Scattering Simulink block and a pretrained deep learning network.
Detect Anomalies in ECG Data Using Wavelet Scattering and LSTM Autoencoder in Simulink
Use wavelet scattering and deep learning network to detect anomalies in ECG signals.
Ressources pédagogiques
Analyse de Fourier
Découvrir les concepts de fréquence, d'amplitude et de phase, et les appliquer aux séries de Fourier ainsi qu'aux transformées de Fourier continues et discrètes.
