このページの翻訳は最新ではありません。ここをクリックして、英語の最新版を参照してください。
時間-周波数解析
Signal Processing Toolbox™ では、非定常信号の時間-周波数成分の可視化および比較が可能になる関数とアプリを用意しています。短時間フーリエ変換とその逆を計算します。再割り当てまたはフーリエ シンクロスクイージングを行い、シャープなスペクトル推定を取得します。クロス スペクトログラム、Wigner-Ville 分布、およびパーシステンス スペクトルをプロットします。時間-周波数リッジを抽出および追跡します。瞬時周波数、瞬時帯域幅、スペクトル尖度、およびスペクトル エントロピーを推定します。経験的または変分的モード分解とヒルベルト・ファン変換を使用して、データ適応型時間-周波数解析を実行します。
関数
トピック
- 時間-周波数ギャラリー
Signal Processing Toolbox により提供される時間-周波数解析関数の機能と制限を確認します。
- Practical Introduction to Continuous Wavelet Analysis (Wavelet Toolbox)
This example shows how to perform and interpret continuous wavelet analysis. The example helps you answer common questions such as: What is the difference between continuous and discrete wavelet analysis? Why are the frequencies, or scales in continuous wavelet analysis logarithmically spaced? In what types of signal analysis problems are continuous wavelet techniques particularly useful?
- FFT による時間-周波数解析
線形 FM 信号のスペクトログラムを表示します。
- 複素チャープの瞬時周波数
フーリエ シンクロスクイーズド変換を使用して、信号の瞬時周波数を計算します。
- 近接した正弦波の検出
フーリエ シンクロスクイーズド変換を使用して、2 つの正弦波の瞬時周波数を計算します。2 つの正弦波を分解するための変換には、これらがどのくらい離れていなければならないかを決定します。
- Radar and Communications Waveform Classification Using Deep Learning (Phased Array System Toolbox)
This example shows how to classify radar and communications waveforms using the Wigner-Ville distribution (WVD) and a deep convolutional neural network (CNN).
- Pedestrian and Bicyclist Classification Using Deep Learning (Radar Toolbox)
Classify pedestrians and bicyclists based on their micro-Doppler characteristics using a deep learning network and time-frequency analysis.