matlab如何做信号分析

在 MATLAB 中进行信号分析通常涉及信号生成 / 导入 → 预处理 → 时域 / 频域 / 时频分析 → 特征提取 / 建模。下面按常见流程和示例说明，适合入门到中等应用。

一、信号导入与生成

1. 生成仿真信号

fs = 1000;                 % 采样率
t = 0:1/fs:1;              % 时间向量
x = sin(2*pi*50*t) + 0.5*sin(2*pi*120*t) + randn(size(t));

2. 导入真实信号

data = readtable('signal.csv');
x = data.Value;
fs = 1000;

二、信号预处理

1. 去趋势

x = detrend(x);

2. 滤波（低通 / 带通）

fc = 100;                          % 截止频率
[b,a] = butter(4, fc/(fs/2), 'low');
x_filt = filtfilt(b,a,x);

3. 去噪（小波）

x_denoise = wdenoise(x, 5);

三、时域分析

mean(x)
std(x)
rms(x)

自相关

[c, lags] = xcorr(x, 'coeff');
plot(lags, c)

四、频域分析（最常用）

1. 快速傅里叶变换（FFT）

N = length(x);
X = fft(x);
f = (0:N-1)*(fs/N);
plot(f(1:N/2), abs(X(1:N/2)))
title('幅度谱')

2. 功率谱密度（PSD）

pwelch(x, [], [], [], fs)

五、时频分析

1. 短时傅里叶变换（STFT）

spectrogram(x, 256, 128, 256, fs, 'yaxis')

2. 小波时频图

cwt(x, fs)

六、特征提取（常用于故障诊断 / 分类）

% 时域
feat.mean = mean(x);
feat.rms = rms(x);
feat.kurt = kurtosis(x);

% 频域
[P,f] = pwelch(x,[],[],[],fs);
feat.peakf = f(find(P==max(P)));

七、信号分类 / 建模（进阶）

• SVM / LSTM / CNN（用 Deep Learning Toolbox）
• 故障诊断、语音识别、ECG 分析

八、推荐工具箱

• Signal Processing Toolbox（必用）
• Wavelet Toolbox
• DSP System Toolbox
• Deep Learning Toolbox

九、学习建议

1. 先掌握：FFT / 滤波 / 时频图
2. 再学：小波、特征提取
3. 应用于：振动、语音、生理信号

如果你有具体信号类型（振动 / 语音 / EEG / ECG）或分析目标（去噪 / 故障 / 分类），我可以直接给你针对性代码方案。