ข้ามไปยังเนื้อหา

วิเคราะห์สัญญาณ

Signal analysis · หน้าหลักสูตร

ทำสัญญาณให้สะอาดด้วยฟิลเตอร์ DSP มองในโดเมนความถี่ด้วย FFT แล้วบีบหน้าต่างเลื่อนเป็น feature vector ที่โมเดลเห็นจริง

เข้าใจว่าโมเดลไม่เคยเห็นสัญญาณดิบ มันเห็น feature ที่ front-end เตรียมให้ และ front-end นั้นต้องตรงกันทุกที่

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

ผ่านโมดูลนี้เมื่อทำได้ครบทุกข้อ (รายละเอียดอยู่ในหัวข้อ แล็บ ของบทเรียนลงมือทำ):

  • ฟิลเตอร์ปรับสัญญาณเซนเซอร์ที่มี noise ให้ดีขึ้นอย่างเห็นได้ เส้น Filtered เรียบกว่า Raw ชัดเจน พร้อมตัวเลข noise down % ยืนยัน (บทเรียน 4.2)
  • รัน s09_fft_spectrum.py แล้วอ่านสเปกตรัมสดออก 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