Prétraitement de signaux et extraction de caractéristiques pour l'analyse de données avec MATLAB

Détails de la formation

Cette formation d'une journée présente l'utilisation de MATLAB^®, Signal Processing Toolbox™ et Wavelet Toolbox™ pour le prétraitement des signaux temporels ainsi que pour l'extraction de caractéristiques dans les domaines fréquentiel et temporel. Cette formation est destinée aux data scientists et aux ingénieurs analysant des signaux (séries temporelles) pour des applications d'analyse de données. Aucune connaissance préalable en traitement du signal n'est nécessaire pour cette formation.

Parmi les sujets abordés :

Créer, importer et visualiser des signaux
Améliorer la qualité des données par des pré-traitements, comme la gestion des plages de données manquantes, le rééchantillonnage, le lissage, le recalage de signaux, la détection et la suppression de données aberrantes ainsi que la gestion des signaux non-uniformément échantillonnés
Extraire des caractéristiques dans les domaines temporel et fréquentiel, reconnaître des patterns (motifs) dans les signaux, trouver des points de rupture, localiser des pics et identifier des tendances

Jour 1 sur 1

Exploration et analyse de signaux (séries temporelles) dans MATLAB

Objectif: Apprendre à facilement importer et visualiser plusieurs jeux de signaux ou de séries temporelles pour acquérir une meilleure idée des caractéristiques et tendances dans les données.

Importer, visualiser et parcourir des signaux
Mesure sur des signaux
Comparaison de plusieurs signaux dans les domaines temporel et fréquentiel
Analyse spectrale interactive
Extraction de zones d'intérêt pour une analyse ciblée
Réexécution de l'analyse à partir de scripts générés automatiquement par MATLAB

Prétraitement de signaux pour améliorer la qualité d'un jeu de données

Objectif: Maîtriser les techniques pour nettoyer les signaux grâce à des opérations telles que le rééchantillonnage, la suppression de données aberrantes et la gestion des données manquantes.

Rééchantillonnage pour assurer une base de temps commune pour tous les signaux
Utilisation de données non-uniformément échantillonnées
Repérage des plages de données manquantes et suppression ou remplacement
Suppression de bruit et de contenu fréquentiel indésirable
Débruitage par ondelettes
Utilisation du spectre d'enveloppe pour l'analyse des défauts
Localisation des données aberrantes et remplacement par des valeurs acceptables
Localisation des points de rupture dans le signal et utilisation des limites pour découper le signal en segments

Extraction des caractéristiques des signaux

Objectif: Appliquer différentes techniques dans les domaines temporel et fréquentiel pour extraire des caractéristiques. Devenir familier avec les outils d'analyse spectrale de MATLAB et explorer les différentes façons d'extraire des caractéristiques de plusieurs signaux.

Localisation de pics
Localisation de signaux à partir de patterns temporels ou fréquentiels
Utilisation de l'analyse spectrale pour extraire les caractéristiques des signaux
Classification avec un apprentissage supervisé
Utilisation du Classification Learner App pour interactivement entraîner et évaluer un algorithme de classification

Niveau: Intermédiaire

Pré-requis:

Fondamentaux MATLAB ou expérience équivalente avec MATLAB

Durée: 1 jour

Langues: English, 中文, 한국어

Afficher le calendrier et s'inscrire

Formations associées

Machine Learning avec MATLAB

Créez des modèles de régression, de classification et de clustering, et améliorez leur performance.

Deep Learning avec MATLAB

Créez des réseaux de neurones profonds pour la classification, la régression et la détection d'objets à partir d'images et de données séquentielles.

Traitement du signal avec MATLAB

Créez et analysez des signaux, réalisez des analyses spectrales, et concevez et analysez des filtres numériques, notamment des filtres adaptatifs et multi-échantillonnés.