วิเคราะห์สัญญาณ
Signal analysis · หน้าหลักสูตร
ทำสัญญาณให้สะอาดด้วยฟิลเตอร์ DSP มองในโดเมนความถี่ด้วย FFT แล้วบีบหน้าต่างเลื่อนเป็น feature vector ที่โมเดลเห็นจริง
เป้าหมายของโมดูล
หัวข้อที่มีชื่อว่า “เป้าหมายของโมดูล”เข้าใจว่าโมเดลไม่เคยเห็นสัญญาณดิบ มันเห็น feature ที่ front-end เตรียมให้ และ front-end นั้นต้องตรงกันทุกที่
บทเรียน
หัวข้อที่มีชื่อว่า “บทเรียน”| บทเรียน | เรื่อง | เวลา (นาที) | สไลด์ |
|---|---|---|---|
| 4.1 | ฟิลเตอร์ DSP: EMA, Median, Kalman และ radar range profile | 65 | slides.md |
| 4.2 | ลงมือทำ: ฟิลเตอร์ทำสัญญาณให้สะอาดสด ๆ | 75 | slides.md |
| 4.3 | FFT และโดเมนความถี่: bin, Nyquist, DC, leakage และ Hann window | 65 | slides.md |
| 4.4 | ลงมือทำ: สเปกตรัมสดจาก IMU | 75 | slides.md |
| 4.5 | feature และหน้าต่าง: สิ่งที่โมเดลเห็นจริง | 65 | slides.md |
| 4.6 | ลงมือทำ: feature vector จากหน้าต่างเลื่อน | 75 | slides.md |
บทเรียนมาเป็นชุด บทเรียนแนวคิดตามด้วยบทเรียน ลงมือทำ ที่มีไฟล์ฝึก เฉลย และแล็บ
เช็กพอยต์ของโมดูล
หัวข้อที่มีชื่อว่า “เช็กพอยต์ของโมดูล”ผ่านโมดูลนี้เมื่อทำได้ครบทุกข้อ (รายละเอียดอยู่ในหัวข้อ แล็บ ของบทเรียนลงมือทำ):
- ฟิลเตอร์ปรับสัญญาณเซนเซอร์ที่มี noise ให้ดีขึ้นอย่างเห็นได้ เส้น Filtered เรียบกว่า Raw ชัดเจน พร้อมตัวเลข noise down % ยืนยัน (บทเรียน 4.2)
- รัน
s09_fft_spectrum.pyแล้วอ่านสเปกตรัมสดออก แท่งความถี่และ peak (Hz) เปลี่ยนตามการเขย่าเร็วหรือช้าจริง (บทเรียน 4.4) - สร้าง feature vector จากสัญญาณดิบด้วยมือเอง ตัดหน้าต่าง (window + hop) แล้วบีบเป็น mean, std และ band ที่เปลี่ยนตามการเคลื่อนไหว (บทเรียน 4.6)
TESA Open Knowledge · © 2026 สมาคมสมองกลฝังตัวไทย (TESA) · CC BY-NC 4.0
เนื้อหาเผยแพร่ภายใต้ CC BY-NC 4.0 นำไปใช้ต่อในงานที่ไม่ใช่เพื่อการค้าได้ โปรดอ้างอิงสมาคมสมองกลฝังตัวไทย (TESA) ทุกครั้ง · วิธีอ้างอิง TESA