Techniques de prétraitement du signal

Apprendre et appliquer des techniques de prétraitement pour améliorer la qualité du signal. Vous apprendrez à compléter les données manquantes, à remplacer les valeurs aberrantes, à supprimer les tendances et à réduire le bruit dans les signaux. Après chaque étape de prétraitement, vous analyserez l’évolution du spectre fréquentiel du signal pour vous assurer que les informations clés du signal sont conservées. Vous évaluerez également les résultats du prétraitement en utilisant des métriques de qualité du signal.

Modules de formation

Introduction

Familiarize yourself with the course.

Cours :

Course Overview

Learning Outcomes and Prerequisites

Common Issues in Signals

Course Example: Aircraft Vibration Signals

Identify Issues in a Signal

Fill Missing Data and Replace Outliers in Signals

Learn to handle missing samples and outliers in signals using suitable gap-filling methods and smoothing techniques.

Cours :

Missing Data in Signals

Fill Large and Small Gaps in a Signal

Handle Outliers in Signals

Overview of Signal Smoothing

Replace Outliers in a Signal

Detrend Signals

Use detrending techniques to remove linear trends while preserving the true signal characteristics.

Cours :

Baseline Trends in Signals

Remove a Linear Trend from a Signal

Denoise Signals

Identify noise in signals and use denoising techniques to clean and improve signal quality.

Cours :

Signal Noise Types and Denoising Methods

Remove Periodic Noise from a Signal

Remove White Noise from a Signal

Automate Signal Preprocessing

Generate a MATLAB function from the Signal Analyzer app to automate signal preprocessing operations.

Cours :

Use a Generated MATLAB Function to Preprocess Signals

Evaluate Signal Quality

Evaluate the overall quality of the preprocessed signal using the signal quality metrics.

Cours :

Types of Signal Quality Metrics

Evaluate the Quality of a Preprocessed Signal

Conclusion

Learn next steps and give feedback on the course.

Cours :

Summary

Additional Resources

Survey

Techniques de prétraitement du signal

Modules de formation

Introduction

Fill Missing Data and Replace Outliers in Signals

Detrend Signals

Denoise Signals

Automate Signal Preprocessing

Evaluate Signal Quality

Conclusion

Langue

Des exercices pratiques avec des corrections automatisées
Accès à MATLAB via votre navigateur Internet
Certificat de formation et rapport de progression partageable

Techniques d'extraction de caractéristiques pour les signaux

Signal Processing Onramp

Techniques de prétraitement du signal

Modules de formation

Introduction

Fill Missing Data and Replace Outliers in Signals

Detrend Signals

Denoise Signals

Automate Signal Preprocessing

Evaluate Signal Quality

Conclusion

Langue

Des exercices pratiques avec des corrections automatiséesAccès à MATLAB via votre navigateur InternetCertificat de formation et rapport de progression partageable

Techniques d'extraction de caractéristiques pour les signaux

Signal Processing Onramp

Des exercices pratiques avec des corrections automatisées
Accès à MATLAB via votre navigateur Internet
Certificat de formation et rapport de progression partageable