変換
DSP System Toolbox™ には、ストリーミング時間領域信号から周波数領域への変換、およびその逆方向の変換を行うための System object とブロックがいくつか用意されています。高速フーリエ変換 (FFT)、短時間フーリエ変換、高分解能 FFT、ウェーブレット変換、および対応する逆演算などの手法を使用して、いずれの領域でも信号を解析し、各分野で応用することができます。例については、Analyze a Subband of Input Frequencies Using Zoom FFTを参照してください。このトピックに関する MathWorks® 教育カリキュラム モジュールについては、Fourier Analysis (MathWorks Teaching Resources) を参照してください。
DSP System Toolbox には、Simulink® 環境でウェーブレット時間散乱のフレームワークを作成する Wavelet Scattering ブロックも用意されています。このブロックを使用して、実数値データから低分散の特徴を導出し、それらの特徴を機械学習や深層学習の用途で使用します。詳細については、Wavelet Scattering (Wavelet Toolbox)を参照してください。Wavelet Scattering ブロックには Wavelet Toolbox™ が必要です。
オブジェクト
dsp.FFT | 離散フーリエ変換 |
dsp.IFFT | 逆離散フーリエ変換 (IDFT) |
dsp.ISTFT | Inverse short-time FFT |
dsp.STFT | Short-time FFT |
dsp.ZoomFFT
| High-resolution FFT of a portion of a spectrum |
ブロック
トピック
- 時間領域データから周波数領域への変換
この例では、FFT ブロックを使用して時間領域データを周波数領域に変換する方法について説明します。
- 周波数領域データを時間領域に変換する
周波数領域データを時間領域に変換する場合は、IFFT ブロックを使用します。
- 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.
注目の例
ズーム FFT
この例では、ズーム FFT を紹介します。ズーム FFT は、スペクトルの高分解能な解析に使用される信号処理手法です。DSP System Toolbox™ は、MATLAB® では dsp.ZoomFFT System object™ を介して、Simulink® では DSP System Toolbox ライブラリの Zoom FFT ブロックを介してこの機能を提供します。
Detect Air Compressor Sounds in Simulink Using Wavelet Scattering
Use the Wavelet Scattering block and a pretrained deep learning network to classify audio signals.
Detect Air Compressor Sounds on a Raspberry Pi Using Wavelet Scattering and TensorFlow Lite Network
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.
