PySPT 提供了一些函数和 App，用来分析、预处理及提取均匀和非均匀采样信号的特征。该工具箱包含可用于滤波器设计和分析、重采样、平滑处理、去趋势和功率谱估计的工具。该工具箱还提供了提取特征（如变化点和包络）、寻找波峰和信号模式、量化信号相似性以及执行 SNR 和失真等测量的功能。您还可以对振动信号执行模态和阶次分析。
使用信号分析器，您可以：在时域、频域和时频域同时预处理和分析多个信号，而无需编写代码；探查长信号；以及提取感兴趣的区域。通过滤波器设计工具，您可以从多种算法和响应中进行选择来设计和分析数字滤波器。
对应的Matlab案例 : Signal Processing Toolbox--MathWorks
-
PySPT 快速入门
PySPT 基础知识学习 -
信号分析和可视化
使用Signal Analyzer来可视化、预处理和探查信号 -
信号生成和预处理
对信号进行创建、重采样、平滑、去噪和去趋势处理 -
测量和特征提取
波峰、信号统计、脉冲和瞬态指标、功率、带宽、失真 -
变换、相关性和建模
互相关、自相关、傅里叶、DCT、Hilbert、Goertzel、参数化建模、线性预测编码 -
数字和模拟滤波器
FIR 和 IIR、单速率和多速率滤波器设计、分析和实现 -
频谱分析
功率谱、相干性、窗口 -
时频分析
频谱图、同步压缩、重排、Wigner-Ville、时频边缘、数据自适应方法 -
振动分析
阶数分析、时间同步平均、包络频谱、模态分析、雨流计数 -
信号的机器学习和深度学习延伸
信号标注、特征工程、数据集生成 -
代码生成和 GPU 支持
生成可移植的 C/C++/MEX 函数，并使用 GPU 来部署或加速处理