信号向け AI

信号のラベル付け、特徴量エンジニアリング、データセット生成、異常検出

Signal Processing Toolbox™ は、機械学習と深層学習のワークフロー用に信号のラベル付け、特徴量エンジニアリング、およびデータセット生成を実行するための機能を提供します。このツールボックスは、信号データの異常を検出するために学習させて使用できる自己符号化器オブジェクトも提供します。

アプリ

信号アナライザー	複数の信号とスペクトルの可視化および比較
信号ラベラー	対象となる信号の属性、領域および点へのラベル付けまたは特徴の抽出
EDF ファイルアナライザー	EDF または EDF+ ファイルの表示 (R2021a 以降)
実験マネージャー	深層学習ネットワークの学習および比較に向けた実験の設計と実行 (R2020a 以降)

関数

すべて展開する

信号のラベル付け

`labeledSignalSet`	ラベル付き信号セットの作成
`signalLabelDefinition`	信号ラベル定義の作成
`countlabels`	一意のラベル数のカウント (R2021a 以降)
`filenames2labels`	Get list of labels from filenames (R2022b 以降)
`folders2labels`	フォルダー名からのラベルリストの取得 (R2021a 以降)
`framelbl`	Partition label sequence into frames (R2024a 以降)
`framesig`	Partition signal into frames (R2024a 以降)
`splitlabels`	指定の比率に従ってラベルを分割するためのインデックスの検索 (R2021a 以降)
`signalMask`	信号マスクの変更および変換、ならびに信号の関心領域の抽出 (R2020b 以降)
`binmask2sigroi`	ROI 範囲の行列へのバイナリマスクの変換 (R2020b 以降)
`extendsigroi`	信号の関心領域の左右への拡張 (R2020b 以降)
`extractsigroi`	信号の関心領域の抽出 (R2020b 以降)
`mergesigroi`	信号の関心領域のマージ (R2020b 以降)
`removesigroi`	信号の関心領域の削除 (R2020b 以降)
`shortensigroi`	信号の関心領域の左右からの短縮 (R2020b 以降)
`sigroi2binmask`	バイナリマスクへの ROI 範囲の行列の変換 (R2020b 以降)
`sigrangebinmask`	Label signal samples with values within a specified range (R2023a 以降)

データストアとデータの管理

`edfinfo`	EDF/EDF+ ファイルに関する情報の取得 (R2020b 以降)
`edfwrite`	EDF または EDF+ ファイルの作成または変更 (R2021a 以降)
`edfheader`	EDF または EDF+ ファイルのヘッダー構造体の作成 (R2021a 以降)
`edfread`	EDF/EDF+ ファイルからのデータの読み取り (R2020b 以降)
`signalDatastore`	信号コレクションのデータストア (R2020a 以降)
`resize`	Resize data by adding or removing elements (R2023b 以降)
`paddata`	Pad data by adding elements (R2023b 以降)
`trimdata`	Trim data by removing elements (R2023b 以降)

特徴抽出

`findchangepts`	信号の急激な変化の検出
`findpeaks`	局所的最大値
`fsst`	フーリエシンクロスクイーズド変換
`stft`	短時間フーリエ変換
`spectrogram`	短時間フーリエ変換を使用したスペクトログラム
`tfridge`	時間-周波数リッジ
`instbw`	瞬時帯域幅の推定 (R2021a 以降)
`instfreq`	瞬時周波数の推定
`powerbw`	パワー帯域幅
`pspectrum`	周波数領域および時間-周波数領域内の信号の解析
`spectralCrest`	Spectral crest for signals and spectrograms
`spectralEntropy`	Spectral entropy for signals and spectrograms
`spectralFlatness`	Spectral flatness for signals and spectrograms
`spectralKurtosis`	Spectral kurtosis for signals and spectrograms
`spectralSkewness`	Spectral skewness for signals and spectrograms
`scalarFeatureOptions`	Store information for converting feature vectors to scalar values (R2024a 以降)
`signalFrequencyFeatureExtractor`	Streamline signal frequency feature extraction (R2021b 以降)
`signalTimeFeatureExtractor`	Streamline signal time feature extraction (R2021a 以降)
`signalTimeFrequencyFeatureExtractor`	Streamline signal time-frequency feature extraction (R2024a 以降)
`timeFrequencyScalarFeatureOptions`	Store information for converting time-frequency-domain feature vectors to scalar values (R2024a 以降)
`zerocrossrate`	ゼロ交差率 (R2021b 以降)

微分可能な信号処理

`dlstft`	深層学習の短時間フーリエ変換 (R2021a 以降)
`dlistft`	Deep learning inverse short-time Fourier transform (R2024a 以降)
`stftLayer`	Short-time Fourier transform layer (R2021b 以降)
`istftLayer`	Inverse short-time Fourier transform layer (R2024a 以降)

異常検出

deepSignalAnomalyDetector Create signal anomaly detector (R2023a 以降)

トピック

Manage Data Sets for Machine Learning and Deep Learning Workflows
Organize, access, and manage data sets for different AI applications.
グラウンドトゥルースデータにラベルを付けるためのアプリの選択
グラウンドトゥルースデータのラベル付けに、次のどのアプリを使用するかを決定します。イメージラベラー、ビデオラベラー、グラウンドトゥルースラベラー、LiDAR ラベラー、信号ラベラー、または医用画像ラベラー。
Radar and Communications Waveform Classification Using Deep Learning (Phased Array System Toolbox)
Classify radar and communications waveforms using the Wigner-Ville distribution (WVD) and a deep convolutional neural network (CNN).
Label Radar Signals with Signal Labeler (Radar Toolbox)
Label the time and frequency features of pulse radar signals with added noise. (R2021a 以降)
Pedestrian and Bicyclist Classification Using Deep Learning (Radar Toolbox)
Classify pedestrians and bicyclists based on their micro-Doppler characteristics using deep learning and time-frequency analysis. (R2021a 以降)
Wavelet Time Scattering Classification of Phonocardiogram Data (Wavelet Toolbox)
Classify human phonocardiogram recordings using wavelet time scattering and a support vector machine classifier.
自己符号化器とウェーブレットを使用した異常検出
ウェーブレットにより抽出された特徴と自己符号化器を使用して、DC システム内のアーク信号を検出する。
Train Spoken Digit Recognition Network Using Out-of-Memory Features
Train a spoken digit recognition network on out-of-memory auditory spectrograms using a transformed datastore.
深層学習ネットワークを使用した音声のノイズ除去
全結合ネットワークと畳み込みニューラルネットワークを使用して音声信号のノイズを除去します。
ウェーブレット解析と深層学習を使用した時系列の分類
連続ウェーブレット変換と深層畳み込みニューラルネットワークを使用した ECG 信号を分類します。
Spectral Descriptors (Audio Toolbox)
Overview and applications of spectral descriptors.