matlab-prepare-signal-data

Signal データの準備

まず Signal Processing Toolbox を確認してください。 ここにあるコンディショニング、ラベリング、分割、フレーミング、パーティショニング用のヘルパーは、Stats & ML Toolbox や汎用的な MATLAB の文字列ユーティリティではなく、Signal Processing Toolbox にあります。

この流れでは、未加工の信号をコンディショニング（クリーニング）し、フォルダーをデータストアに読み込み、ラベル付けして、分割／フレーミングした後、trainnet に引き渡します。各段階はワークフローファイルにまとめられています。このページを参考に、適切なファイルを選んでください。

使用する場合

• 解析の前に単一の信号をクリーニングする場合：欠損箇所の補完、ドリフトの除去、外れ値の除去、ノイズ除去、等間隔な時間軸への変換、複数チャネルの位置合わせ。
• ML 学習用の信号データを読み込んで準備する場合：データストア、ファイル名やフォルダーからのラベル付け、層化分割、フレーミング、並列処理。
• 構造化ラベリングを行う場合：Signal Labeler 用の labeledSignalSet、すべてのラベルタイプ。

使用しない場合

• Audio Toolbox が利用可能な状態で、生の .wav 音声を分類する場合。 正規の方法は audioDatastore です（このスキルのカスタム ReadFcn ワークフローで .wav を扱うのは、Audio Toolbox がない場合に限ります。 references/wf-custom-readfcn.md）。
• 周波数選択フィルターの設計（帯域分離、ノッチ、カスタム FIR/IIR） — matlab-design-digital-filter スキルを参照してください。このスキルのコンディショニングは、フィルターの設計ではなく、クリーニングを目的としています。
• すでにコンディショニング済みの信号からフレームごとの特徴量（RMS、クレストファクター、スペクトル／帯域幅、時間周波数特徴量）を計算する場合 — matlab-extract-signal-features スキルを参照してください。このスキルの framesig／framelbl は、手動でウィンドウ単位のラベリング／教師付けを行うためのものであり、特徴量テーブルを作成するためのものではありません。signal*FeatureExtractor オブジェクトは内部でウィンドウ処理を行い、テーブルを出力します。

ベストプラクティス

• 成果物は、ユーザーが保存、バージョン管理し、再実行できる、実行可能な .m スクリプトです。 ワークスペースの状態ではありません。
• 目的を達成できる最も高水準の関数を優先してください。 detrend／smoothdata／fillmissing／resample は読みやすく、専門家でなくても理解しやすい関数です。高水準の呼び出しでは制御できない調整が必要な場合や、ユーザーが求めた場合に限り、より低水準で設定可能な方法（designfilt と filtfilt、手作業で構築する AR モデル、名前付きプリミティブ）を使用してください。まず読みやすさを重視し、デフォルトで低水準の方法に移るのではなく、必要な場合に切り替えます。
  • 高水準の呼び出しでも、必要だと思われる制御ができることがよくあります。特に、smoothdata(x, "sgolay", fl) はフレーム長 fl を引数として受け取るため、これは隠されていません。そのため、sgolayfilt を直接呼び出すよりもこちらを優先してください。ディスパッチャーでは対応できない機能（dn による微分出力や、一般的でない多項式次数）が必要な場合に限り、sgolayfilt を使用してください。

0. よくある思い込み

最初に次のいずれかを思いついた場合は、すぐ下に定番の代替手段があります。

思い込み	定番の方法	詳細
なだらかなドリフトを除去するために、ハイパスフィルター／designfilt を手作業で設計する	detrend(x, n) — フィルターを使う前に、まず n を 1 -> 2 -> 3 と増やします。多項式デトレンドでは通過帯域のゲインが 1 になります	references/fn-detrend.md
ギャップ補間関数を独自に作る（regularizeNaNs、inpaintn — 実在しません）	短いギャップには fillmissing（補間）、振動信号の長いギャップには fillgaps（SPT、AR）を使います	references/wf-repair-missing.md
チャネルを整列するために、retime + シフト + retime + 結合を手作業で行う	synchronize(A, B, ...) — 共通のグリッドに 1 回の呼び出しで整列します	references/wf-align-channels.md
.csv 用に独自の ReadFcn を作る	signalDatastore の既定のリーダーと SignalVariableNames を使います	references/fn-signaldatastore.md
データストアの分割に cvpartition を使う	splitlabels + subset(ds, idx{k}) を使います	references/fn-splitlabels.md
ファイル名からラベルを取得するために regexp / extractBefore / fileparts を使う	filenames2labels(sds, Extract=...) を使います	references/fn-filenames2labels.md
サブフォルダーからラベルを取得するために regexp / ネストした fileparts を使う	folders2labels(sds.Files) を使います	references/fn-folders2labels.md
(i-1)*hop+1 を使ったフレーム分割ループを手作業で作る	framesig(x, fl, OverlapLength=...) を使います	references/wf-frame-and-label.md
containers.Map を使って ROI からフレームへの投票処理を手作業で作る	framelbl(rois, ...) を使います	references/wf-frame-and-label.md
ファイル内のラベル変数を読み込むために for ループで load(file) を実行する	signalDatastore(folder, SignalVariableNames=["x","label"]) を使います	references/fn-signaldatastore.md
Signal Labeler との相互運用が必要なときに signalMask を使う	ROI ラベルを含む labeledSignalSet を使います（signalMask はインポートできません）	references/fn-labeledsignalset.md
signalLabeler(lss) でセットを引数として渡す	引数なしで signalLabeler を起動し、「インポート」->「ワークスペースから」または「ファイルから」を選びます	references/wf-label-and-export.md

SPT に特化した関数があります。独自に作らず、活用しましょう。 fillgaps（AR ギャップ補間）、medfilt1 / hampel（インパルス処理）、 sgolayfilt / smoothdata(...,"sgolay")（特徴を保持した平滑化）は Signal Processing Toolbox にあります。

1. ワークフロー

各ワークフローファイルがエントリーポイントで、使用する関数を一覧にしています。まずはこちらから始めてください。

ワークフロー	使用する場面	リファレンス
欠損サンプルの修復	補間するNaNの欠損やドロップアウトがある場合。	references/wf-repair-missing.md
トレンド除去、平滑化、外れ値除去	1つの信号にドリフト、スパイク、または広帯域ノイズがある場合（平滑化／ノイズ除去はこちらで扱います）。	references/wf-detrend-smooth-deoutlier.md
複数レート／オフセットのチャンネルを整列	複数のチャンネルを共通の時間軸にそろえる場合。	references/wf-align-channels.md
1つのチャンネルを均一なレートにする	1つのチャンネルを指定したレートの均一なグリッドに変換する場合：時刻のジッターを整える場合、またはすでに均一だがレートが異なるため resample する場合。	references/wf-uniform-rate.md
ウェーブレットノイズ除去（段階的な適用）	調整済みの sgolayfilt では除去できない非定常／マルチスケールノイズがある場合：wdenoise（Wavelet TB）。	references/wf-denoise.md
包絡線抽出	振幅の輪郭（AM復調、ピーク包絡線）を求める場合。クリーニングには使用しません。	references/wf-envelope.md
読み込み＋ラベル付け＋分割	トレーニング用に、フォルダー内のファイルからデータストアを作成する場合。	references/wf-load-and-split.md
長い信号のフレーミング＋フレームごとのラベル付け	信号が長く、ウィンドウごとに教師ラベルを付ける場合。	references/wf-frame-and-label.md
ラベル付け＋エクスポート（すべてのラベルタイプ）	構造化ラベル（属性／ROI／ポイント／TF-ROI）を付け、Signal Labeler／DLにエクスポートする場合。	references/wf-label-and-export.md
parpoolでの並列処理	ワーカー間で信号ごとの処理を行う場合。	references/wf-parallel-process.md
カスタムReadFcn（必要な場合のみ）	ファイル形式が .mat／.csv 以外の場合、またはメタデータのプレリュードがある場合。	references/wf-custom-readfcn.md
trainnetへの引き渡し	データストアの準備ができており、trainnet／combine用の形状にする場合。	references/wf-handoff-to-dl.md

各ワークフローファイルには、使用する関数の fn- リファレンスページが記載されています。 関数の一覧ページは別途ありません。タスクに合ったワークフロー、または上記の早見表から始めてください。

2. 信号に複数の前処理ステップが必要な場合の順序

基本原則（これが実際のルールです）： 後続の処理への入力を先行する処理が損なわないように、ステップの順序を決めます。スパイクは最小二乗フィッティングに偏りを生じさせ、フィルターやリサンプラーによって広がります。除去されていないトレンドは、平滑化によって信号に平均化されます。ほとんどの処理は NaN があると正常に動作しません。目の前の信号についてこの原則に基づいて判断し、固定の手順をむやみに適用しないでください。

基本的なヒューリスティック（良い出発点ですが、普遍的なルールではありません）：

外れ値 -> トレンド除去 -> 平滑化。この原則に従って、欠損値の補間と整列を配置します。

• 外れ値 -> トレンド除去 -> 平滑化は検証済みの基本順序です。多項式 detrend の前にスパイクを除去します（スパイクはフィッティングに偏りを生じさせます）。また、平滑化の前にも除去します（平滑化によってスパイクがウィンドウ全体に広がるためです）。さらに、平滑化がトレンドを含めて平均化しないよう、平滑化の前にトレンドを除去します。
• 補間：欠損データを処理できないステップ（detrend、フィルター、ほとんどの平滑化処理）の前に、NaN を補間します。
• 整列／リサンプリング： 信号を新しいグリッドに配置する（retime／synchronize）と、重複しない時刻に NaN が生成されるため、整列後に補間します。ただし、信号にスパイクがある場合は、リサンプリングの前に外れ値を除去します。resample のアンチエイリアスフィルターによって、除去されていないスパイクが広がるためです。つまり、整列と外れ値除去の順序は信号によって異なります。固定の順序ではなく、基本原則に従って判断してください。

すべての信号にすべてのステップが必要なわけではありません。該当するステップを見極め、基本原則に従って順序を決めてください。問題が実際には別の種類である場合に備えて、各ワークフローファイルには別の方法へ切り替えるための案内があります。

---

Copyright 2026 The MathWorks, Inc.

---