Matlab传感动态数据的变化并自动绘制

1视图(30天)

显示旧的评论

乌西 2022年11月1日

0
链接

这个问题直接联系

//www.tianjin-qmedu.com/matlabcentral/answers/1840603-matlab-sensing-the-dynamic-data-changes-and-automatically-plotting

评论道: 明星黾 2022年11月3日

答:接受明星黾

你好,

这是我的阴谋。在情节中,您可以看到6期,大动态数据的变化发生了。我不想要一个总体正常的传统情节。

我希望Matlab感觉这些6期和生成6块。

负荷=“newdata3.csv”;

data = readtable(负载);

data = sortrows(数据、“Var1”,“提升”);

时间表(数据。Var1,data.Var2);

情节(data.Var1 data.Var2)

j - 1 =找到(diff ([0;data.Var2]) > 10);

党卫军=数据(j - 1:);

情节(ss.Var1 ss.Var2)

这个情节我在使用你的代码。但我想生成6块。你能帮我吗?

0评论
显示1年长的评论藏1年长的评论

登录置评。

在回答这个问题。

接受的答案

明星黾 2022年11月2日

0
链接

直接链接到这个答案

//www.tianjin-qmedu.com/matlabcentral/answers/1840603-matlab-sensing-the-dynamic-data-changes-and-automatically-plotting answer_1090048

只是这一次——的代码

数据= readtable (“//www.tianjin-qmedu.com/matlabcentral/answers/uploaded_files/1175778/newdata3.csv”);

data.Var1。格式=“HH: mm: ss.SSS”

data =126000×2表

Var1 Var2 _______ _________-4.9851 -4.729 -4.6337 -4.1778 -3.3268 00:14:54.000 00:14:54.000 00:14:54.000 00:14:54.000 00:14:54.000 00:14:54.000 -4.2736 00:14:54.000 -3.2882 00:14:54.000 -2.257 -3.3668 -2.4553 -1.4103 -1.6617 -1.5046 00:14:54.000 00:14:54.000 00:14:54.000 00:14:54.000 00:14:54.000 00:14:54.000 -4.193 00:14:54.000 -5.1044 00:14:54.000 -5.133

TS = sortrows(数据,1);

TS.Var1 = TS.Var1 + 0.001 *秒(0:大小(TS 1) 1)”;

[envh, envl] =信封(TS。Var2, 130,“高峰”);

%图

%情节(TS {: 1}, {2}:,)

%的网格

%包含(“x”)

% ylabel (y)

%参照线(TS.Var1(1,1) +秒(0:60:3600))

%参照线(TS.Var1(1,1) +秒(0:300:3600),“- r”,“线宽”,2)

图

情节(TS {: 1}, {2}:,,“DisplayName的”,“数据”)

持有在

情节(envh TS {: 1},“- r”,“DisplayName的”,信封上的)

情节(envl TS {: 1},“g”,“DisplayName的”,低的信封)

持有从

网格

包含(“x”)

ylabel (“y”)

传奇(“位置”,“最佳”)

图

情节(TS {: 1}, {2}:,,“DisplayName的”,“数据”)

持有在

情节(envh TS {: 1},“- r”,“DisplayName的”,信封上的)

情节(envl TS {: 1},“g”,“DisplayName的”,低的信封)

网格

包含(“x”)

ylabel (“y”)

传奇(“位置”,“最佳”)

%参照线(TS.Var1(1,1) +秒(0:60:3600))

%参照线(TS.Var1(1,1) +秒(0:300:3600),“- r”,“线宽”,2)

xlim ([TS.Var1 (1, 1) TS.Var1 (9600 1)))

Lv = envh > 30 & envl < -30;

stidx = strfind([错误;Lv)。[0,1])1;

enidx = strfind([错误;Lv)。”,[1 0]);

s = enidx - stidx;

为k = 1:元素个数(s)

ixr = stidx (k): enidx (k);

T {k} = TS {ixr 1};

年代{k} = TS {ixr 2};

结束

图

持有在

为k = 1:元素个数(T)

情节(T {k}, {k})

结束

持有从

包含(“x”)

ylabel (“y”)

。

10评论
显示9年纪大的评论隐藏9以上的评论

明星黾 2022年11月3日

我无法弄清楚如何让时间的分钟值总与我以前的代码,所以我开发和全新的方法,基于阈值的绝对振幅信号和阈值的时间(实际上指数)的差异。

数据= readtable (“//www.tianjin-qmedu.com/matlabcentral/answers/uploaded_files/1175778/newdata3.csv”);

data.Var1。格式=“HH: mm: ss”;

TS = sortrows(数据,1)

TS =126000×2表

Var1 Var2 ________ ________0.15616 0.10228 0.11501 0.13935 0.063494 00:02:07 00:02:07 00:02:07 00:02:07 00:02:07 00:02:07 0.094422 00:02:07 0.13998 00:02:07 0.084701 0.10777 0.088202 0.14234 0.067169 0.16303 00:02:07 00:02:07 00:02:07 00:02:07 00:02:07 00:02:07 0.13575 00:02:07 0.1072 00:02:07 0.14045

thidx = abs (TS.Var2) > = 20;%绝对振幅阈值

idxn =找到(thidx);%指数向量

didxn = diff ([0;idxn]) > 150;%时差阈值

thidxv = [1;idxn (didxn);大小(TS 1)];%指数向量

为k = 1:元素个数(thidxv) 1%分割循环

idxr = thidxv (k): thidxv (k + 1) 1;%的时间指数

idxre = idxr (abs (TS {idxr 2}) > 20);%绝对振幅阈值

T {k} = TS {idxre 1};%的时间片段

年代{k} = TS {idxre 2};%的信号段

结束

图

持有在

为k = 1:元素个数(T)

情节(T {k}, {k})

结束

持有从

网格

包含(“x”)

ylabel (“y”)

这也似乎更短和更有效率。

。

明星黾 2022年11月3日

这些数据并不像之前的数据。我不知道如何处理它们。

在这里, 信封方法可能是最好的,虽然它是困难的,因为段之间的基线不是常数。

然而重采样采样间隔不是常数,它允许数字滤波,消除了流浪的基线whil,它不提高信号本身。

停止在这个信号。

是乌斯=解压(“//www.tianjin-qmedu.com/matlabcentral/answers/uploaded_files/1180033/aggff.zip”);

T1 = readtable(是乌斯{1})

T1 =700880×2表

tt_agg Var1 ___________ _____-0.10611 {“51:40.9”}{‘51:40.9}-0.035732 {‘51:40.9}-0.13328 -0.030485 {‘51:40.9}{‘51:40.9}-0.10945 {‘51:40.9}-0.048296 -0.11417 {‘51:41.0}{‘51:41.0}-0.021363 {‘51:41.0}-0.12879 -0.022544 {‘51:41.0}{‘51:41.0}-0.12789 {‘51:41.0}-0.037168 -0.11063 {‘51:41.0}{‘51:41.0}-0.036606 {‘51:41.0}-0.11115 -0.047595 {“51:41.0”}

电视= datetime (T1 {: 1},“InputFormat”,“mm: ss.S”,“格式”,“mm: ss.S”);

(电视、sidx) =(电视);

dv T1 = {sidx 2};

图

情节(电视、dv)

网格

idx = (373000: 376000);

图

情节(电视(idx), dv (idx))

网格

xlim ([min(电视(idx))马克斯(电视(idx))))

标题(“放大”)

idx = (373000: 376000);

图

情节(电视(idx)、abs (dv (idx)))

网格

xlim ([min(电视(idx))马克斯(电视(idx))))

标题(“放大绝对值”)

Ts =意味着(diff(电视));

Tsd =性病(diff(电视));

ts_min =分钟(Tsd)

ts_min = 0.0030

t_mins =分钟(Ts)

t_mins = 8.5604 e-05

% 1 / t_mins

Fs = 1 e + 4;

[dvr, tvr] =重新取样(dv,电视,Fs);

Fn = f / 2;

L =元素个数(dvr)

L = 35999027

NFFT = 2 ^ nextpow2(左)

NFFT = 67108864

FTdvr = fft (dvr-mean (dvr) NFFT) / L;

阵线= linspace (0, 1, NFFT / 2 + 1) * Fn;

4 = 1:元素个数(艘);

图

semilogy(阵线、abs (FTdvr (Iv)) * 2)

网格

包含(“频率”)

ylabel (“级”)

%图

% semilogy(阵线、abs (FTdvr (Iv)) * 2)

%的网格

% xlim (250 [0])

%包含(频率)

% ylabel(级)

dvrf =高通滤波(Fs, dvr, 0.1“ImpulseResponse”,“信息检索”);

图

情节(tvr dvrf)

包含(“时间”)

ylabel (“振幅”)

。

明星黾 2022年11月3日

像往常一样,这是我的荣幸!

我花了大约一个小时做一些最后的文件,和不可能。

。

登录置评。

类别

信号处理信号处理工具箱数字和模拟滤波器多重速率的信号处理

找到更多的在多重速率的信号处理在帮助中心和文件交换

s manbetx 845

MATLAB

社区寻宝

找到宝藏在MATLAB中央,发现社区如何帮助你!

开始狩猎!