主要特性

  • 信号变换,包括快速傅立叶变换 (FFT)、短时傅立叶变换 (STFT) 和希尔伯特变换
  • FIR 和 IIR 滤波器设计和分析
  • 测量,比如转换和脉冲度量、频带功率、带宽和失真。
  • 功率频谱估计算法和数据窗口函数
  • 统计信号测量,比如自相关性和互相关性
  • 线性预测和参数化时序建模
  • 波形和脉冲生成及数据重采样函数

信号生成和预处理

Signal Processing Toolbox 提供的函数允许您对信号进行去噪、平滑和趋势消减,以做好进行更深入分析的准备。例如,您可以:

  • 从数据中消除噪声、异常值和虚假内容
  • 增强信号、可视化信号和发现规律
  • 更改信号的采样率,或者使采样不规律的信号或有数据丢失的信号具有恒定的采样率
  • 生成合成信号,比如用于仿真和算法测试的脉冲和线性调频信号
更改信号的采样率而不引入人工产物。
使用加权移动平均滤波器和 Savitzky-Golay 滤波器去除信号噪声。
使用中位数滤波器消除尖峰。
实现数据标准化,移除趋势和偏移。
使用互相关性测量延迟和校准信号。
生成脉冲和扫频信号(线性调频、VCO)。

测量和特征提取

Signal Processing Toolbox 提供了可用来测量信号常见特征的函数。具体来说,您可以:

  • 提取主要信号特征并减少数据集,而不丢失信息
  • 找出信号峰值并确定它们的高度、宽度和相邻峰值的距离。
  • 测量时域特征,比如峰-峰波动幅度和信号包络
  • 测量脉冲指标,比如过冲和占空比
测量最小值、最大值、均值、峰-峰波动幅度和信号的 RMS。
测量上升时间、下降时间、压摆率、超调量、下调量、稳定时间、脉冲宽度和占空比。
查找峰值位置并测量峰值高度、峰度和宽度。
使用希尔伯特变换和分析的信号提取信号的包络。
在测量中使用互相关性技术匹配已知信号。

在频域中,您可以测量频带中的基频、均值、中值和谐波频率以及频道带宽和功率。此工具箱可通过测量无杂散动态范围 (SFDR)、信噪比 (SNR)、总谐波失真 (THD)、信号对噪声和失真比 (SINAD) 和第三阶截距点 (TOI) 来描述系统的特征。

测量信噪比 (SNR)、总谐波失真 (THD) 以及信号对噪声和失真比 (SINAD)。
分析数控振荡器 (NCO) 中的抖动效应。
测量波段功率、带宽、均值和中值频率。
使用分析信号测量线性调频的瞬时频率。
使用沃尔什-哈达玛变换减少数据维度并提供快速信号重构。
使用复倒频谱估算语音信号中发言者的基频。

数字和模拟滤波器


数字滤波器

使用 Signal Processing Toolbox 中的函数和应用程序设计、分析和实现各种数字 FIR 和 IIR 滤波器,如低通、高通和带阻。使用这些函数和应用程序,您可以:

  • 对幅值、相位、群延迟、冲激和阶跃响应进行可视化
  • 检查滤波器极点和零点
  • 通过测试稳定性和相位线性来评估滤波器性能
  • 使用零相位滤波对数据应用滤波器,并消除延迟和相位失真
探查低通、高通、带通、带阻、微分器和任意幅度频率响应。
指定不同的滤波器设计约束条件,比较 FIR 设计算法,如 Parks-McClellan(等波纹)、最小二乘和 Kaiser 窗。
比较 Butterworth、Chebyshev 和 elliptic IIR 滤波器的幅值和群延迟响应。
交互式设计数字滤波器。
在多个域中分析数字滤波器。
补偿由滤波器引入的延迟和失真。

模拟滤波器

Signal Processing Toolbox 提供用于模拟滤波器设计和分析的函数。支持的模拟滤波器类型包括 Butterworth、Chebyshev、Bessel 和椭圆法。该工具箱还包含离散化函数,比如用于模数滤波器转换的脉冲响应不变法和双线性转换法。


频谱分析

使用 Signal Processing Toolbox 中的一系列频谱分析函数和应用程序描述信号的频谱特征。基于 FFT 的非参数化方法(如 Welch 法或周期图法)对输入数据不作任何假设,可用于任何信号种类。参数化法和子空间法(如 Burg、Yule-Walker 和 MUSIC 方法)包含了信号的先验知识,可产生更准确的频谱估算。使用这些函数和应用程序,您可以:

  • 使用 Lomb-Scargle 方法计算非均匀采样信号或丢失样本的信号的功率谱
  • 使用时频技术(如频谱图)分析非稳态信号,通过估计频谱相关性来测量频域中的信号相似性
  • 设计和分析 Hamming、Kaiser、Gaussian 和其他窗
使用 Welch 和多窗口方法的加窗操作和求平均值降低 PSD 偏差和变异性。
估算非均匀采样信号或丢失样本的信号的频谱。
使用频谱图确定信号中何时存在频率分量,探究时频分辨率权衡。
评估信号之间的频谱相关性,测量相关频率分量之间的相对相位。
对短信号建模,作为自回归 (AR) 过程的输出,达到更高的频谱分辨率。
使用子空间法,比如特征向量和多信号分类法 (MUSIC),估算短信号中的正弦波频率。

信号建模

Signal Processing Toolbox 提供参数化建模技术,可用来评估描述信号、系统或过程的有理传递函数。具体实现方法:

  • 使用关于信号的已知信息,查找对该信号建模的线性系统的系数
  • 使用 Prony 和 Steiglitz-McBride ARX 模型概略估算给定的时域冲激响应
  • 查找匹配给定的复频响应的模拟或数字传递函数
  • 使用线性预测滤波器对谐振建模
使用线性预测编码 (LPC) 估算语音信号中的元音共振峰频率。
使用部分自相关序列评估自回归模型的阶。