MATLAB und Simulink für die Signalverarbeitung

 

MATLAB und Simulink für die Signalverarbeitung

Analysieren Sie Signale und Zeitreihendaten. Modellieren, entwerfen und simulieren Sie Signalverarbeitungssysteme.

Ingenieure im Bereich Signalverarbeitung verwenden MATLAB und Simulink in allen Phasen der Entwicklung – von der Analyse von Signalen und der Auswertung von Algorithmen bis hin zur Evaluierung von Trade-offs bei Realisierung von Echtzeit-Signalverarbeitungssystemen. MATLAB und Simulink bieten:

  • integrierte Funktionen und Apps für die Analyse und Vorverarbeitung von Zeitreihendaten, die Spektral- und Zeit-Frequenz-Analyse sowie von augezeicheten Signalmessungen
  • Apps und Algorithmen für das Design, die Analyse und die Implementierung digitaler Filter (FIR und IIR) – von einfachen FIR- und IIR-Filtern bis hin zu adaptiven, Multiraten- und mehrstufigen Designs
  • eine Umgebung für die Modellierung und Simulation von Signalverarbeitungssystemen mit einer Kombination aus Programmen und Blockdiagrammen
  • Funktionen für die Modellierung des Festkomma-Verhaltens und die automatische Generierung von C/C++- oder HDL-Code für die Implementierung auf Embedded-Prozessoren, FPGAs und ASIC-Design
  • Tools für die Entwicklung prädiktiver Modelle anhand von Signalen und Sensordaten mit Machine-Learning- und Deep-Learning-Workflows

 

Entdecken Sie, wie Yobe das Potenzial stimmbasierter Schnittstellen mittles MATLAB, Signalverarbeitung, künstlicher Intelligenz und dem Support des MathWorks Startup-Programms nutzt.
Navigation im Panel

KOSTENLOSES E-BOOK

Daten und Modellierung in KI-gesteuerten Signalverarbeitungsanwendungen

Lernen Sie die Grundlagen der KI für die Signalverarbeitung und die mit der Aufbereitung von Signaldaten und der Modellierung einer Deep-Learning-Anwendung verbundenen Aufgaben kennen.

E-Book lesen

Signalanalyse und -messungen

MATLAB und Simulink unterstützen Sie bei der Signalanalyse anhand von integrierten Apps für die Visualisierung und Vorverarbeitung von Signalen im Zeit-, Frequenz- und Zeit-Frequenz-Bereich, um Muster und Trends zu erkennen, ohne der Notwendigkeit, Code manuell zu schreiben. Sie können Signale und Signalverarbeitungssysteme für verschiedene Anwendungen wie Kommunikation, Radar, Audio, medizinische Geräte und das IoT mit domänenspezifischen Algorithmen charakterisieren.


Titel

Filterentwurf und -analyse

Entwerfen und analysieren Sie digitale Filter von einfachen Singleraten-Tiefpass- oder -Hochpass-Filtern bis hin zu komplexeren FIR- und IIR-Designs, einschließlich Multiraten-, mehrstufiger und adaptiver Filter. Sie können Amplitude, Phase, Gruppenverzögerung und Impulsantwort visualisieren sowie Filtereigenschaften einschließlich der Stabilität und Phasenlinearität auswerten. Filterdesigns können analysiert und simuliert werden, um Auswirkungen verschiedener interner Strukturen und Festkomma-Datentypen auszuwerten. Außerdem können daraus Implementierungen auf Embedded-Software oder -Hardware generiert werden. Für fortgeschrittene und anwendungsspezifische Anwendungsfälle können Sie vorentwickelte Filter und Filterbänke wie Wavelet-basierte Filterbänke, wahrnehmungsbasierte Filterbänke oder Channelizer nutzen.


Model-Based Design für die Signalverarbeitung

Beim Entwurf von Signalverarbeitungssystemen können Sie eine Kombination aus Blockdiagrammen und sprachbasierter Programmierung verwenden. Simulink ermöglicht die Anwendung von Model-Based Design für die Modellierung, Simulation, frühe Verifikation und Codegenerierung in Bezug auf Signalverarbeitungssysteme. Ihnen stehen Blockbibliotheken mit anwendungsspezifischen Algorithmen für die Basline-Signalverarbeitung, Audio, Analog- und Mixed Signal und HF, drahtlose und drahtgebundene Kommunikation sowie Radarsysteme zur Verfügung. Sie können Live-Signale während der Simulationen mit virtuellen Scopes visualisieren, einschließlich Spektral- und Logikanalysatoren, Konstellationens- und Augendiagrammen.


Generierung von Embedded Code

Mit MATLAB Coder und Simulink Coder können Sie aus Signalverarbeitungs-Algorithmen und bitgenauen Systemmodellen C- und C++-Code automatisch generieren. Der generierte Code kann für die Beschleunigung von Simulationen, das Rapid Prototyping und die Embedded-Implementierung Ihres Systems verwendet werden. Sie können ebenso optimierten C-Code generieren für Embedded-Hardware-Prozessoren wie ARM® Cortex®-A oder Cortex-M als Zielhardware.

Ferner können Sie portablen, synthetisierbaren Verilog®- und VHDL®-Code aus MATLAB-Funktionen und Simulink-Modellen automatisch generieren. Der generierte HDL-Code kann für FPGA-Programmierung wie auch für ASIC-Design verwendet werden.


Machine Learning und Deep Learning

Mit MATLAB können Sie prädiktive Modelle für Signalverarbeitungsanwendungen erstellen. Sie können auf integrierte Signalverarbeitungsalgorithmen zurückgreifen, um Merkmale für machinelle Lernen zu extrahieren. Ebenso möglich ist es mögliche, große Signal-Datensätze einzulesen, zu augmentieren und zu labelen, was für Deep Learning-Applikationen besonderes attraktiv ist.

Machine Learning und Deep Learning

Produkte