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

• Importation, visualisation et exploration des signaux pour se faire une première idée
• 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
• Ré-exécution de l'analyse à partir de scripts générés automatiquement par MATLAB

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

• Ré-échantillonnage 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 avec des traitements en ondelettes
• Utilisation du spectre d'enveloppe pour l'analyse de défaillances
• Localisation des données aberrantes et remplacement par des valeurs acceptables
• Localisation des points de rupture et utilisation pour découper le signal en segments

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

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