Notícias de tecnologia | OPENCADD, especialista em tecnologias 4.0

Artigos

0

(por Fernanda Filipe) Que o Brasil é um país abastecido por abundantes recursos naturais e de fontes de energias inesgotáveis, todos nós já sabemos. Em gerações futuras, é impossível......

Continuar Lendo

Automação, Home, Indústria 4.0, Por Dentro da OPEN |

17/09/2019

Smart Manufacturing e IoT

Entenda como as indústrias podem se aproveitar da técnica de Internet das Coisas para tornar seu processo produtivo mais eficiente (por Silvia Lavagnoli) IoT Como o próprio nome sugere, Internet...

Home, Uncategorized |

12/09/2019

Machine Learning ou Deep Learning?

A resposta é: depende do seu projeto. Entenda a diferença entre eles e saiba como escolher. (por Silvia Lavagnoli) Machine Learning e Deep Learning são métodos para treinar modelos, ou...

Home, Uncategorized |

11/09/2019

BIG DATA: a arte de transformar dados em lucros

Como empresários tiram proveito do BIG DATA? (por Silvia Lavagnoli) Muito se fala sobre a enorme quantidade de dados produzida atualmente – o BIG DATA -, mas a maioria das...

OPENCADD apoia presença feminina no mercado de trabalho

Home, Por Dentro da OPEN |

04/09/2019

OPENCADD apoia presença feminina no mercado de trabalho

(por Viviane Nunes) Em parceria com a ASHRAE – Sociedade Norte Americana de Engenheiros de Refrigeração, Aquecimento e Ar Condicionado, na tradução livre, a OPENCADD, maior empresa de model–based design da...

Semana Integrada de Engenharia na PUC-RIO prova que o uso do MATLAB® e do Simulink® são importantes para a qualificação profissional

Home, Mundo Acadêmico, Por Dentro da OPEN |

02/09/2019

Semana Integrada de Engenharia na PUC-RIO prova que o uso do MATLAB® e do Simulink® são importantes para a qualificação profissional

Webinar |

22/08/2019

26/09/2019 – Processamento de Nuvem de Pontos de LiDAR em MATLAB

Point Clouds (ou Nuvem de Pontos) são tipicamente utilizados para medir superfícies físicas. Tem aplicação em navegação por robôs, estimativa de profundidade, registro visual e ADAS (Advanced Driver Assistance Systems)....

Webinar |

22/08/2019

19/09/2019 – Integração de Energias Renováveis com a família Simscape

Atualmente existem diversas tecnologias que permitem utilizar energias renováveis como, energia solar e eólica, de forma segura, eficiente e controlada. Estudos e aplicações destas tecnologias são muito explorados por profissionais...

05/09/2019 - Arquitetura de software e sistemas: análise e projeto com o System Composer

Webinar |

21/08/2019

05/09/2019 – Arquitetura de software e sistemas: análise e projeto com o System Composer

O System Composer é um novo produto da Mathworks que possibilita a criação e elaboração de especificações de arquitetura de software, composições e interfaces para Model-Based System engineering e Software...

Webinar |

09/08/2019

13/06/19 – Simulink e Hardware de Baixo Custo (Arduino)

O Arduino é uma plataforma eletrônica de código aberto em hardware e software. É muito popular, especialmente por seu baixo custo e facilidade de usar. É destinado a qualquer pessoa...

← Previous page

Translate »

Stateflow for Logic Driven System Modeling

Dia 1 de 2
Cartas de Fluxo de Modelagem	Objetivo: implementar fluxos de decisão com fluxogramas. Junções e transições Comportamento do Fluxograma Interface de fluxo de estado Condições e ações de condição Dados do gráfico Padrões comuns
Máquinas de Estado de Modelagem	Objetivo: Implementar máquinas de estado com diagramas de transição de estados. Comportamento da máquina de estado Estado e ações de transição Inicialização do gráfico Ordem de execução da ação Fluxogramas dentro dos estados
Diagramas de Estado Hierárquico	Objetivo: Implementar diagramas hierárquicos para melhorar a clareza dos projetos de máquinas de estado. Superestados e subestados Dados do estado Junção da História Prioridade de Transição Ordem de execução da ação
Diagramas de Estado Paralelo	Objetivo: implementar estados paralelos para modelar projetos de multiprocessamento. Benefícios de estados paralelos Decomposição de gráfico / estado Comportamento do estado paralelo

Dia 2 de 2
Usando eventos em diagramas de estado	Objetivo: usar eventos em um diagrama de fluxo de estado para afetar a execução do gráfico. Usando eventos em diagramas de estado Eventos de radiodifusão Comportamento dos diagramas de estado que contêm eventos Eventos implícitos Operadores de lógica temporal
Chamando Funções do Stateflow	Objetivo: Criar funções em um gráfico de Fluxo de Estado a partir de blocos Simulink, código MATLAB e fluxogramas. Tipos de funções Funções Simulink Funções do MATLAB Funções gráficas
Tabelas de Verdade e Tabelas de Transição de Estado	Objetivo: Criar fluxogramas e diagramas de transição de estados em forma de tabela. Tabelas verdade Condições, decisões e ações Tabelas de transição de estado Estados, transições e ações
Considerações de design no fluxo de estado	Objetivo: Reutilizar designs de Fluxo de Estado, restringir a semântica do gráfico e interagir com dados estruturados do Simulink. Gráficos Mealy e Moore Tipos de dados Sinais de ônibus Subcartos atômicos Mapeamento de dados Reutilização de gráficos

Simulink for System and Algorithm Modeling

Dia 1 de 2
Criando e Simulando um Modelo	Objetivo: criar um modelo Simulink simples, simulá-lo e analisar os resultados. Introdução à interface do Simulink Sistema de potenciômetro Entradas e saídas do sistema Simulação e análise
Construções de Programação de Modelagem	Objetivo: Modelar e simular construções básicas de programação no Simulink. Comparações e declarações de decisão Sinais vetoriais Sistema de conversão PWM Travessias zero Bloco de Função MATLAB
Modelagem de Sistemas Discretos	Objetivo: Modelar e simular sistemas discretos no Simulink. Sinais e estados discretos Sistema controlador PI Funções de transferência discretas e sistemas de espaço de estados Sistemas discretos multirrato
Modelagem de Sistemas Contínuos	Objetivo: Modelar e simular sistemas contínuos no Simulink. Estados contínuos Sistema de aceleração Funções de transferência contínua e sistemas de espaço de estados Limites físicos

Dia 2 de 2
Seleção do Solver	Objetivo: Selecionar um solucionador apropriado para um determinado modelo Simulink. Comportamento do solucionador Dinâmica do sistema Descontinuidades Loops algébricos
Hierarquia de modelos em desenvolvimento	Objetivo: Use subsistemas para combinar sistemas menores em sistemas maiores. Subsistemas Sinais de ônibus Máscaras
Modelando Algoritmos Condicionalmente Executados	Objetivo: Criar subsistemas que são executados com base em uma entrada de sinal de controle. Subsistemas condicionalmente executados Subsistemas Ativados Subsistemas acionados Modelo de validação de entrada
Combinando Modelos em Diagramas	Objetivo: Use referência de modelo para combinar modelos. Subsistemas e referência de modelos Fluxo de trabalho de referência de modelo Modos de simulação de referência de modelo Espaços de trabalho de modelo Dependências de modelo
Criando Bibliotecas	Objetivo: usar bibliotecas para criar e distribuir blocos personalizados. Criando e preenchendo bibliotecas Gerenciando Links da Biblioteca Adicionando uma biblioteca ao Navegador da Biblioteca Simulink

Signal Processing with Simulink

Dia 1 de 3
O que é o Simulink?	Objetivo: Obter uma introdução ao Simulink. O que é o Simulink? Benefícios do uso do Simulink Complementos do Simulink Uma olhada em um modelo Simulink
Criando e Simulando um Modelo	Objetivo: Explorar a interface do Simulink e bloquear bibliotecas. Construa um modelo simples e analise os resultados da simulação. Criando e editando um modelo Simulink Definindo Entradas e Saídas do Sistema Simulando o modelo e analisando os resultados
Modelagem de Sistemas Dinâmicos Discretos	Objetivo: Modelar sistemas dinâmicos discretos e visualizar sinais baseados em quadros e sinais multicanais usando um escopo. Modelando um sistema discreto com blocos básicos Encontrando tempos de amostra de saídas de bloco Usando quadros em seu modelo Usando buffers Quadros vs. sinais multicanais Visualizando sinais baseados em quadros Comportamento de blocos de atraso com sinais baseados em quadros Sinais baseados em quadros multicanais
Construções Lógicas de Modelagem	Objetivo: modelar expressões lógicas. Veja como a detecção de cruzamento zero é usada no Simulink e modele a lógica simples no Simulink usando o código MATLAB. Modelando Expressões Lógicas Modelagem de roteamento de sinais condicionais Entendendo a detecção de cruzamento zero Modelagem com o bloco de funções MATLAB
Do algoritmo ao modelo	Objetivo: criar um modelo a partir de uma especificação de algoritmo. Modelando a partir de especificações algorítmicas Desenvolvimento de algoritmos iterativos através de modelagem e simulação Verificando modelos em relação a algoritmos especificados

Dia 2 de 3
Modelos de sinal misto	Objetivo: Modelar sistemas de sinais mistos. O que é um modelo de sinal misto? Modelando um ADC com instabilidade de abertura e não linearidade Estudo de caso: modelagem de ADS62P29 ADC da TI
Solucionadores Simulink	Objetivo: Escolher o solucionador certo para um modelo Simulink. Entendendo o solucionador do Simulink Resolvendo modelos simples Resolução de modelos com estados discretos e contínuos Resolvendo modelos com múltiplas taxas Solucionadores de etapa fixa e de passo variável Escolhendo um solucionador de sistema de estado contínuo Manipulando travessias zero Manipulação de loops algébricos
Subsistemas e Bibliotecas	Objetivo: criar blocos personalizados no Simulink, aplicar máscaras e desenvolver bibliotecas personalizadas. Criando subsistemas Entendendo subsistemas virtuais e atômicos Usando um subsistema como um componente de modelo Subsistemas de Mascaramento Criando bibliotecas de bloco customizadas Trabalhando com e Modificando Blocos de Bibliotecas Adicionando bibliotecas personalizadas ao Navegador da Biblioteca Simulink Criando subsistemas configuráveis
Subsistemas condicionais	Objetivo: Modelar sistemas com partes executadas condicionalmente. Subsistemas condicionalmente executados Modelando Sistemas Conduzidos por Condição com Subsistemas Ativados Modelando Sistemas Conduzidos por Condição com Subsistemas Disparados Trabalhando com um exemplo usando o modelo AGC
Análise espectral	Objetivo: Realizar análise espectral no ambiente Simulink e usar a computação do espectro em um algoritmo. Realizando análise espectral com o bloco Spectrum Scope Escolhendo parâmetros de análise espectral Analisando o espectro de potência de um ruído motor Construindo um classificador espectral do discurso Determinando a resposta de freqüência de um sistema discreto

Dia 3 de 3
Projetando e Aplicando Filtros	Objetivo: Incorporar filtros em um modelo e explorar diferentes maneiras de projetar e implementar filtros em um modelo Simulink. Projetando Filtros no Simulink Converter filtros em ponto fixo
Sistemas Multirrato	Objetivo: Modelar sistemas multirate. Re-amostrar dados e explorar blocos de filtros multirate. Modelando sistemas multirate Explorando blocos para processamento de sinal multirata Reamostragem de dados sob amostragem Projetando e implementando filtros anti-imagem e anti-aliasing Usando blocos de filtros multirate Estudo de caso: convertendo áudio profissional em formato de CD Convertendo o design para o ponto fixo
Incorporando Código Externo	Objetivo: Importar ou incorporar códigos MATLAB e C personalizados ou externos em um modelo Simulink. Trabalhando com considerações de código customizadas e externas Incorporando código MATLAB e código C com o bloco de função MATLAB
Combinando Modelos em Diagramas	Objetivo: Explorar a integração de modelos, um tópico importante para projetos de larga escala em que vários desenvolvedores estão desenvolvendo diferentes partes de um sistema grande. Explorando referência e subsistemas de modelo Configurando uma referência de modelo Configurando Argumentos de Referência do Modelo Explorar modelos de modos de simulação de referência Visualizando sinais em modelos referenciados Navegando no gráfico de dependência de referência do modelo
Automatizando Tarefas de Modelagem	Objetivo: Controlar e executar modelos Simulink a partir da linha de comandos do MATLAB. Automatizando execuções de teste Verificando e modificando configurações de parâmetros Encontrando blocos com valores de parâmetros específicos Construindo e modificando diagramas de blocos

Programming Xilinx Zynq SoCs with MATLAB and Simulink

Dia 1 de 2
Visão geral da plataforma Zynq e configuração do ambiente	Objetivo: Configurar a plataforma Zynq-7000 e o ambiente MATLAB. Visão geral do Zynq-7000 Configurando a plataforma e o software Zynq Configurando o ambiente do MATLAB Testando a conectividade com o hardware Zynq
Introdução ao codificador embutido e codificador HDL	Objetivo: Configurar modelos Simulink para geração de código embutido e interpretar efetivamente o código gerado. Arquitetura de um aplicativo incorporado Gerando código ERT Módulos de código Estruturas de dados no código gerado Configurando um modelo Simulink para geração de código HDL Usando o Consultor de Fluxo de Trabalho HDL
Geração e implantação de núcleo IP	Objetivo: Use o HDL Workflow Advisor para configurar um modelo Simulink, gerar e construir códigos HDL e C e implantar na plataforma Zynq. Configurando um Subsistema para Lógica Programável Configurando a interface de destino e periféricos Gerando o núcleo de IP e integrando com o SDK Construindo e implementando o fluxo de bits do FPGA Gerando e implementando um modelo de interface de software Parâmetros de ajuste com o modo externo
Usando a interface do AXI4	Objetivo: Usar várias interfaces AXI para comunicação de dados entre o sistema de processamento e a lógica programável. Visão geral da interface AXI Aplicações AXI4-Lite Usando o AXI4-Stream Considerações sobre desempenho do AXI4
Verificação do Processador no Loop	Objetivo: Use o processador no loop para verificar o algoritmo em execução na plataforma Zynq e o perfil dos tempos de execução em seu algoritmo de produção. Fluxo de trabalho do Processador no loop (PIL) no Zynq Verificação de PIL com referência de modelo Perfil de execução de código com PIL Considerações PIL

Dia 2 de 2
Interface de dados com aplicação em tempo real	Objetivo: Use a interface UDP para transmitir dados entre o Simulink e o aplicativo em tempo real em execução na plataforma Zynq. Visão geral da interface de dados Configurando Blocos UDP para Fluxo de Dados Sincronizando dados entre Simulink e Zynq Interface de dados com o AXI Stream Design particionamento Considerações sobre interface de dados
Integrando Drivers de Dispositivos	Objetivo: Desenvolver interfaces de driver de dispositivo para integrar periféricos no sistema de processamento. Fluxo de trabalho para desenvolver drivers de dispositivo Usando a ferramenta de código legado Interface GPIO Drivers de dispositivo de compilação cruzada
Design de referência personalizado	Objetivo: Criar e empacotar IP reutilizável para o Vivado e registrar placas customizadas e projetos de referência. Motivações para um design de referência personalizado Criando IP reutilizável para o Vivado Visão geral do design de referência Customizando um design de referência Placa de registro e design de referência personalizado

Modeling Physical Systems with Simscape

Dia 1 de 1
Introdução ao Simscape e à abordagem da rede física	Objetivo: Familiarizar-se com o ambiente Simscape modelando um sistema elétrico simples. Introdução ao Simscape Diferenças entre o Simulink e o Simscape Construindo e simulando um modelo no Simscape Diretrizes para Modelagem Simscape
Trabalhando com Componentes do Simscape	Objetivo: Interpretar os diagramas de blocos do Simscape e identificar as variáveis físicas no Simscape modelando um sistema mecânico. Descrevendo os fundamentos dos componentes do Simscape Usando a biblioteca do Simscape Foundation Definindo condições iniciais Variáveis físicas de registro
Conectando Domínios Físicos	Objetivo: Conectar modelos de diferentes domínios físicos para criar um modelo único de vários domínios. Criando componentes físicos de vários domínios Modelando conexões ideais e não ideais entre domínios físicos Dividindo componentes em subsistemas Parametrizando modelos
Combinando Modelos Simscape e Modelos Simulink	Objetivo: Adicionar blocos Simulink a um modelo Simscape para aumentar a flexibilidade de modelagem. Conectando sinais físicos e sinais Simulink Realizando operações em sinais físicos Controlando modelos físicos Resolvendo Modelos com Blocos Simscape e Simulink
Criando Componentes Customizados com o Idioma Simscape	Objetivo: Aproveitar a linguagem Simscape para criar componentes físicos personalizados no Simscape. Linguagem Simscape Fluxo de trabalho de componente personalizado Exemplo completo de componente personalizado

Modeling Multibody Mechanical Systems with Simscape

Dia 1 de 1
Introdução à Simulação Multibody	Objetivo: Discutir os componentes que compõem os modelos mecânicos e como defini-los no Simscape Multibody. Terminologia Sólidos Quadros de coordenadas Articulações Visualização
Componentes de Refino	Objetivo: Criar corpos rígidos personalizados e complexos e parametrizar peças para modelos reutilizáveis do Simscape Multibody. Definindo geometrias Criando corpos compostos Especificando interfaces do corpo Organizações de parametrização para reutilização
Mecanismos de Montagem	Objetivo: Definir e configurar a cinemática de uma máquina multicorpo no Simscape Multibody. Reutilizando componentes existentes Especificando graus de liberdade Sensing e logging simulation results Adicionando rigidez e amortecimento às articulações Definindo condições iniciais Orientando e verificando um mecanismo montado
Importando Modelos CAD	Objetivo: Importar peças e mecanismos existentes de plataformas CAD para o Simscape Multibody. Visualizando corpos com geometrias CAD Identificando os diferentes fluxos de trabalho de importação de CAD Exportando do software CAD Importando para o Simscape Multibody Recursos capturados pelo Simscape Multibody Link
Conectando-se ao Simscape e Simulink	Objetivo: ilustrar as maneiras pelas quais os blocos do Simscape Multibody podem interagir com os blocos Simscape e Simulink. Adicionando um modelo de combustão usando o Simscape Atuando a cabeça do pistão Detectando forças de restrição nas articulações Adicionando um sistema de controle para acelerador Criando um modelo físico de vários domínios

Modeling Electrical Power Systems with Simscape

Dia 1 de 1
Introdução aos sistemas trifásicos	Objetivo: Familiarizar-se com o ambiente do Simscape Power Systems modelando um sistema elétrico trifásico simples. Modelos trifásicos Medindo quantidades físicas Visualizar e definir estados iniciais Transformadores de modelagem
Sistemas Trifásicos com Máquinas Elétricas	Objetivo: Criar modelos com máquinas elétricas trifásicas. Modelagem de máquinas elétricas Atuando e medindo quantidades da máquina Inicializando máquinas Selecionando métodos de solver
Controlando Máquinas Elétricas	Objetivo: Analisar e controlar os efeitos de cargas e distúrbios em modelos de máquinas elétricas. Disjuntores e falhas Controlando máquinas elétricas Melhorando a legibilidade do modelo Parametrizando modelos
Eletrônica de Potência	Objetivo: Modelar sistemas de conversão e transmissão de energia elétrica. Inversores e retificadores Perdas de transmissão Conectando-se ao Simscape Controle inversor Testando e integrando modelos

Modeling Driveline Systems with Simscape

Dia 1 de 1
Introdução à Modelagem de Veículos	Objetivo: Criar e analisar modelos de carroceria e pneu de veículos sob várias condições de terreno, vento e atrito. Modelagem do corpo do veículo Efeitos de atrito, vento e terreno Detectando quantidades físicas Modelo e medidas de divisão
Sistemas de Travagem	Objetivo: Modelar sistemas de freios do veículo com blocos embutidos e componentes personalizados da linguagem Simscape. Blocos de freio da linha de direção Simscape Quantidades de roda de medição Modelo de freio personalizado
Mecanismos de Transmissão	Objetivo: Construir e testar sistemas mecânicos de transmissão de energia no Simscape Driveline. Atuando modelos com fontes de energia Mecanismos de transmissão de construção Criando uma transmissão multispeed
Unidade e controle de múltiplos domínios	Objetivo: Conectar modelos automotivos mecânicos a outros domínios físicos no Simscape e criar estratégias realistas de controle de malha fechada. Acionamento do motor DC Atuação PWM Controle de velocidade de loop fechado

Integrating Code with Simulink

Dia 1 de 1
Métodos de Integração de Código	Objetivo: familiarizar-se com os vários métodos de integração de código e discutir como um modelo do Simulink interage com os blocos definidos pelo usuário. Visão geral de todos os métodos de integração de código Introdução às funções S
Transição do MATLAB para o Simulink	Objetivo: Integrar o código MATLAB nos modelos Simulink. Escrevendo uma função MATLAB em um bloco de função MATLAB Convertendo uma função MATLAB para um bloco de função MATLAB Padrões de codificação de bloco de função MATLAB
Chamando Rotinas Externas	Objetivo: Integrar o código C em um modelo Simulink usando ferramentas automatizadas. Chamando uma rotina C externa com a ferramenta de código herdado Chamando uma rotina C externa em um bloco de função MATLAB
Escrevendo S-Funções do Wrapper	Objetivo: Integrar o código C em um modelo Simulink, escrevendo manualmente as funções C MEX S. Escrevendo uma função C MEX S Chamando código externo de uma função C MEX S Vetores de trabalho Herdando as dimensões da porta de entrada e saída Macros adicionais
Considerações sobre geração de código	Objetivo: Explorar os procedimentos e limitações para gerar código automaticamente com o Simulink Coder ^™ . Gerando código a partir de um bloco de função MATLAB Gerando código a partir das funções C MEX S (Legacy Code Tool)
Revisão de Métodos de Integração de Código	Objetivo: Revisar os métodos de integração de código e discutir os prós e contras de cada um. Revisão de todos os métodos de integração de código Como escolher um método de integração de código

Generating HDL Code from Simulink

Dia 1 de 2
Preparando Modelos Simulink para Geração de Código HDL	Objetivo: Preparar um modelo Simulink para geração de código HDL. Gere o código HDL e o testbench para modelos simples que não exigem otimização. Preparando Modelos Simulink para Geração de Código HDL Gerando código HDL Gerando um banco de testes Verificando o código HDL gerado com um simulador de HDL
Controle de Precisão de Ponto Fixo	Objetivo: Estabelecer correspondência entre o código HDL gerado e blocos específicos do Simulink no modelo. Use a ferramenta Ponto-fixo para finalizar a arquitetura de ponto fixo do modelo. Escala e herança de ponto fixo Fluxo de trabalho do Designer de ponto fixo Usando o Consultor de ponto fixo Usando a ferramenta de ponto fixo Interface da Linha de comando
Gerando Código HDL para Modelos Multirate	Objetivo: Gerar código HDL para projetos multirate Preparando um modelo multirate para gerar o código HDL Gerando código HDL com um ou vários pinos de clock

Dia 2 de 2
Otimizando o Código HDL Gerado	Objetivo: usar pipelines para atender aos requisitos de tempo de design. Use implementações de hardware específicas e compartilhe recursos para otimização de área. Gerando código HDL com o Consultor de Fluxo de Trabalho HDL Atendendo aos requisitos de tempo por meio de pipelining Escolhendo implementações de hardware específicas para blocos Simulink compatíveis Compartilhando recursos do FPGA / ASIC em subsistemas Verificando se o código HDL otimizado é verdadeiro quanto ao ciclo de bits
Usando o ponto flutuante nativo	Objetivo: implementar valores e operações de ponto flutuante em seu código HDL. Por que e quando usar o ponto flutuante nativo Gerando código HDL independente de alvo com o HDL Coder Comparação de ponto fixo vs. ponto flutuante Otimizando implementações de ponto flutuante
Interfacing o código HDL externo com HDL gerada	Objetivo: Incorporar código HDL escrito à mão e / ou IP do fornecedor em seu design. Interfacing o código HDL externo
Verificando o Código HDL com Cosimulação	Objetivo: Verificar seu código HDL usando um simulador de HDL no modelo Simulink. Verificando um componente HDL usando o Simulink

Embedded Coder for Production Code Generation

Dia 1 de 3
Gerando Código Embutido	Objetivo: Configurar modelos Simulink para geração de código embutido e interpretar efetivamente o código gerado. Especificação do sistema Gerando código Módulos de código Estruturas de dados no código gerado Processo de criação do Coder incorporado
Integrando Código Gerado com Código Externo	Objetivo: Modificar modelos e arquivos para executar código gerado e código externo juntos. Visão geral da integração de código externo Visão geral dos pontos de entrada do modelo Usando um arnês de execução Incluindo rotinas personalizadas Configurando troca de dados com código externo
Execução em Tempo Real	Objetivo: Gerar código para sistemas multirate em configurações de tarefas únicas e multitarefa. Arnês em tempo real Esquemas de execução para sistemas de taxa única e multirata Código gerado para modelos de taxa única Código Multirate Single-Tasking Código Multitarefa Multirata
Protótipos de função de controle	Objetivo: Personalizar protótipos de função dos pontos de entrada do modelo no código gerado. Protótipo de função de modelo padrão Protótipos de funções modificadoras Código gerado com protótipos de função modificados Chamando código gerado com pontos de entrada customizados Considerações sobre o protótipo da função modelo

Dia 2 de 3
Otimizando o Código Gerado	Objetivo: Identificar os requisitos do aplicativo em questão e definir configurações de otimização para atender a esses requisitos. Considerações de otimização Removendo código desnecessário Removendo suporte de dados desnecessários Otimizando o armazenamento de dados Objetivos de geração de código
Customizando características de dados no Simulink	Objetivo: Controlar os tipos de dados e classes de armazenamento de dados no Simulink. Características dos dados Classificação de tipo de dados Configuração do tipo de dados Simulink Definindo classes de armazenamento de sinal Definindo classes de armazenamento de estado Definindo Classes de Armazenamento de Parâmetros Impacto das classes de armazenamento em símbolos
Customizando características de dados usando objetos de dados	Objetivo: Controlar os tipos de dados e classes de armazenamento de dados usando objetos de dados. Visão geral dos objetos de dados Simulink Controlando tipos de dados com objetos de dados Criando tipos de dados reconfiguráveis Classes de Armazenamento Personalizadas Controlando classes de armazenamento com objetos de dados Controlando o tipo de dados e nomes de variáveis Dicionários de dados
Criando Classes de Armazenamento Personalizadas	Objetivo: projetar classes de armazenamento personalizadas e usá-las para geração de código. Classes de Armazenamento Personalizadas Definidas pelo Usuário Criando um pacote de classe de dados Simulink Criando uma classe de armazenamento customizada Usando classes de armazenamento customizadas
Objeto de ônibus e referência de modelo	Objetivo: Controlar o tipo de dados e classe de armazenamento de objetos de barramento e usá-los para gerar código a partir de modelos que fazem referência a outros modelos. Sinais de barramento e referência de modelo Controlando o tipo de dados dos sinais de barramento Controlando a classe de armazenamento de sinais de barramento

Dia 3 de 3
Customizando a Arquitetura de Código Gerado	Objetivo: Controlar a arquitetura do código gerado de acordo com os requisitos da aplicação. Arquitetura do modelo Simulink Controlando o particionamento de código Simulink Gerando código reutilizável Opções de colocação de dados Prioridade dos controles de veiculação de dados
Técnicas avançadas de personalização	Objetivo: Use modelos de geração de código para controlar os arquivos gerados. Revisão do processo de geração de código Visão geral de modelos de geração de código Processamento de arquivo customizado Definindo Modelos de Geração de Código Usando modelos de geração de código
Implantando código gerado	Objetivo: Criar um destino personalizado para uma placa Arduino ^® e implantar código usando o destino. Processo de desenvolvimento de alvo personalizado Visão geral do método toolchain Criando um destino customizado do Arduino Implantando código em uma placa Arduino
Integrando Drivers de Dispositivos	Objetivo: Identificar o fluxo de trabalho para a integração de drivers de dispositivos com o Simulink e o código gerado. Visão geral dos drivers de dispositivos Usando a ferramenta de código legado Customizando Componentes do Driver de Dispositivo Desenvolvendo blocos de driver de dispositivo para o Arduino
Melhorando a eficiência e conformidade do código	Objetivo: inspecionar a eficiência do código gerado e verificar a conformidade com padrões e diretrizes. O Model Advisor Parâmetros de implementação de hardware Conformidade com padrões e diretrizes

DSP for FPGAs

Dia 1 de 3
Introdução ao Hardware FPGA do DSP	Objetivo: Fornecer introdução ao DSP e ao FPGA. Entenda a arquitetura geral do FPGA e por que os FPGAs são exclusivamente adequados para a implementação de algoritmos DSP. Da lógica discreta aos FPGAs – alguma história! O sistema genérico de DSP Revisão de núcleos e processadores DSP ASICs personalizados e semi-personalizados Sistema em chip (SOC) Flexibilidade e funcionalidade do FPGA FPGAs vs DSPs Programáveis
Revisão de Algoritmo DSP de Sistemas Lineares	Objetivo: Rever conceitos fundamentais de teorema de amostragem, quantização, análise de Fourier e projeto de filtro digital. Filtros de aliasing e reconstrução Taxas de amostragem e comprimentos de palavras Notação de domínio Z e análise fundamental Filtros FIR e IIR Design e especificação do filtro digital Técnicas de oversampling (sigma delta)
Tecnologia FPGA	Objetivo: Explorar diferentes famílias e arquiteturas Xilinx FPGA. Fornecer introdução aos FPGAs Spartan 3 e Virtex-5. O roteiro da tecnologia FPGA Taxas de relógio, taxas de dados e taxas de amostragem Memória FPGA e registradores Blocos de entrada / saída e requisitos Bits, Fatias e Blocos Lógicos Configuráveis Classificações de desempenho de MIPs comparáveis Famílias e Fontes FPGA
Elementos FPGA para algoritmos DSP	Objetivo: Entender fatias de DSP, recursos de clock e consumo de energia. Construindo linhas de atraso e registros de turnos Uso de RAM (memória) em FPGAs Serial para Paralelo e Paralelo para Serial Multiplexadores para seleção de canais Adicionadores completos, carregar lógica e adicionar árvores Multiplicadores: Shift e Add; Baseado em ROM Implementação eficiente de multiplicadores
Essenciais Aritméticos DSP	Objetivo: Entender a aritmética binária de ponto fixo. Mapear operações aritméticas para o hardware Xilinx FPGA. Complemento de 2 aritmética de ponto fixo Somadores fundamentais e matrizes de multiplicadores Divisão e arrays de raiz quadrada… não tão fácil! Problemas de comprimento de palavra e aritmética de ponto fixo Saturar e envolver Estouro e estouro negativo
Técnicas de Gráfico de Fluxo de Sinal (SFG)	Objetivo: Revisar a representação dos algoritmos DSP usando o gráfico de fluxo de sinal. Use o método Cut Set para melhorar o desempenho de tempo. Implemente filtros FIR paralelos e seriais. Gráficos de Fluxo de Sinal de DSP / Filtro Digital Latência, atrasos e “anti-atrasos”! Re-timing: Cut-set e delay scaling A transposição FIR Arquiteturas de pipelining e multicanais Topologias de SFG para FPGAs

Dia 2 de 3
Processamento de Domínio de Frequência	Objetivo: Discutir a teoria e a implementação do FPGA da Transformada Rápida de Fourier. DFT, FFT e IFFT Arquiteturas FPGA FFT Crescimento e precisão de comprimento de palavra FFT
Processamento de Sinal Multirata para FPGAs	Objetivo: Desenvolver estrutura polifásica para implementação eficiente de filtros multirate. Use o filtro CIC para interpolação e dizimação. Filtros Upsampling e interpolação Filtros de downsampling e decimação Aritmética eficiente para implementação de FIR Integradores e Diferenciadores Filtros de meia faixa, média móvel e pente Filtros CIC (Cascade Integrator Comb) (Hogenauer) Aritmética eficiente para filtragem IIR
Técnicas CORDIC	Objetivo: Introduzir o algoritmo CORDIC para o cálculo de várias funções trigonométricas. Modo de rotação CORDIC e modo de vetor Calcule a função de cosseno e seno Magnitude e ângulo do vetor de computação Arquitetura para implementação de FPGA

Dia 3 de 3
Algoritmos e Aplicativos DSP Adaptativos	Objetivo: Introduzir o algoritmo LMS no processamento adaptativo de sinais. Ilustre o algoritmo QR como uma técnica de Recursive Least Squares (RLS) e por que ele é particularmente adequado para a implementação do FPGA. Aplicações adaptativas (equalização, beamforming) Algoritmos LMS e implementação paralela Algoritmos LMS não canônicos Álgebra Linear; resolvendo sistemas lineares de equações O algoritmo QR para processamento adaptativo de sinais Requisitos de processamento de QR e problemas numéricos
Comunicações habilitadas para DSP e FPGAs	Objetivo: Rever a modulação de quadratura e modelagem de pulso. Discuta a implementação de osciladores controlados numericamente. Chaveamento de Mudança de Fase Quaternária (QPSK) Filtros de Transmissão / Recebimento – Raiz Cosseno Levantada Undersampling e downconversion digital Upconversion digital direto Estágios IF digitais (e fs / 4 Systems) Osciladores controlados numericamente (NCO) Design de particionamento para FPGAs
Problemas de sincronização e sincronização	Objetivo: Recuperação da temporização do símbolo de cobertura, recuperação da fase da portadora, recuperação da frequência da portadora e sincronização da trama. Recuperação de portadora, quadratura e laços de Costas, PLLs Rotações de fase; Conversões da taxa de amostragem Recuperação de sincronismo de símbolo, detecção de portão inicial / tardio Atraso na sincronização e sincronização de loop bloqueado

Control System Design with MATLAB and Simulink

Dia 1 de 2
Visão geral do projeto do sistema de controle	Objetivo: Fornecer uma visão geral do processo de design do sistema de controle e apresentar como o MATLAB e o Simulink se encaixam nesse processo. Os detalhes de cada etapa do processo de design são abordados nos próximos capítulos. Definindo um fluxo de trabalho de design de controle Linearizando um modelo Encontrando características do sistema Configurando os requisitos do controlador Controladores de sintonia Controladores de teste
Representações do Modelo	Objetivo: discutir os vários formatos usados para representar os modelos do sistema. Também destaca os prós e contras de cada formato. Visão geral das representações do modelo Objetos LTI Modelos Simulink
Identificação do sistema	Objetivo: ilustrar como estimar modelos de sistema com base em dados medidos. Visão geral da identificação do sistema Importação e pré-processamento de dados Estimativa modelo validação do modelo
Estimação de Parâmetros	Objetivo: Usar dados medidos para estimar os valores dos parâmetros de um modelo Simulink. Visão geral da estimativa de parâmetros Preparação do modelo Processo de estimativa Dicas de estimativa de parâmetro
Análise de sistema	Objetivo: Descrever as diferentes ferramentas de análise e funções disponíveis para entender o comportamento do sistema – como ressonâncias do sistema, resposta transitória, etc. Funções de análise do sistema Analisador de Sistema Linear Análise do motor DC Automação de tarefas de análise Análise de circuito aberto

Dia 2 de 2
Linearização	Objetivo: Discutir técnicas para linearizar um modelo Simulink e validar os resultados da linearização. Fluxo de trabalho de linearização Pontos de operação Funções de linearização Estimativa de resposta de frequência
Controle PID no Simulink	Objetivo: Use o Simulink para modelar e ajustar os controladores PID. Fluxo de trabalho PID Configuração do modelo Bloco Controlador PID Afinação automática Recursos adicionais do PID
Design de Controle Clássico	Objetivo: Usar técnicas clássicas de projeto de controle para desenvolver controladores de sistema. Técnicas comuns de controle são cobertas, como controladores PID e lead / lag. Ajuste de circuito aberto Análise de circuito fechado Controle PID Controle de lead-lag
Otimização de Resposta	Objetivo: Usar técnicas de otimização para ajustar os parâmetros do modelo com base nos requisitos do projeto e na incerteza do parâmetro. Otimizando a resposta do modelo Realizando análise de sensibilidade Otimizando com incerteza de parâmetro
Implementação do controlador	Objetivo: Discuta as etapas que podem ser necessárias para implementar efetivamente um controlador em um sistema real. Identificando limitações físicas e práticas de controladores Discretizando um controlador Preparando um Controlador para Geração de Código Convertendo para tipos de dados de ponto fixo

Designing LTE and LTE Advanced Physical Layer Systems with MATLAB

Dia 1 de 3
Introdução à Evolução de Longo Prazo 3GPP	Objetivo: Fornecer uma introdução ao padrão LTE e sua relação com outros padrões 3GPP. Entenda os requisitos e objetivos gerais do LTE. Obtenha uma visão geral das diferentes camadas de protocolo no LTE. Evolução 3GPP de R5 para R11 Requisitos Flexibilidade de espectro Características gerais Agendamento multiusuário Alocação de recursos Planejamento de reutilização de frequências
Revisão da Teoria OFDM	Objetivo: Compreender os fundamentos da modulação OFDM, inserção de prefixo cíclico e janelamento. Motivação para multi-carrier vs single-carrier Introdução ao OFDM Geração de símbolos OFDM usando o IFFT Prefixo cíclico (intervalo de guarda) Windowing para reduzir as emissões fora de banda Vantagens e desvantagens do OFDM
Quadros, Slots e Recursos LTE	Objetivo: Entender os conceitos de quadros, subquadros, slots e grades de recursos físicos no downlink e no uplink LTE. Estrutura de quadros genéricos LTE Formatos de slot de downlink e uplink Elementos de recursos e blocos de recursos Construção de símbolo de Downlink OFDM Construção de símbolo Uplink SC-FDMA Capacidade de recurso de downlink LTE

Dia 2 de 3
Procedimentos	Objetivo: Entender os diferentes procedimentos da camada física para o downlink e o uplink especificados no LTE. Pesquisa celular Identidades de células na pesquisa de células Sincronização de símbolo Sincronização de quadro e célula Aquisição de informações do sistema: MIBs e SIBs Procedimentos de sincronização de temporização Controle de energia Uplink
Fundo MIMO	Objetivo: Compreender diferentes técnicas MIMO, como diversidade, beamforming e multiplexação espacial. Aprenda sobre a decomposição de valores singulares como a solução para o problema genérico de MIMO. Eficiência e capacidade espectral Transmitir e receber diversidade O Esquema Alamouti Delay Diversity e Cyclic Delay Diversity Beamforming Multiplexação espacial Decomposição de valor singular Equalização, predistortion, precoding e combinando
Modulação de Camada Física de Downlink LTE	Objetivo: Entender os elementos de processamento para diferentes canais físicos de downlink e sinais físicos de downlink. Aprenda sobre a grade de recursos e o elemento de canal de controle. Cadeia de processamento do canal físico de downlink Palavras-chave e camadas Embaralhamento e modulação Esquemas de transmissão Diversidade, multiplexação espacial e beamforming Sinais de Sincronização: PSS e SSS Sinais de referência: célula e específico do UE, MBSFN Canais físicos de downlink: PBCH, PCFICH, PDSCH e PDCCH Região de controle REGs e CCEs, espaços de pesquisa do PDCCH Mapeamento da grade de recursos
MIMO em LTE R8	Objetivo: Aprender diferentes técnicas MIMO especificadas no padrão LTE. Palavras-chave para mapeamento de camadas Precoding para multiplexação espacial Precoding para transmitir diversidade Beamforming em LTE Atraso cíclico Pré-codificação baseada em diversidade Livros de códigos de pré-codificação

Dia 3 de 3
Multiplexação LTE e Codificação de Canal	Objetivo: Compreender a codificação, multiplexação e mapeamento para canais físicos de todos os canais de transporte no downlink e no uplink. Canais de transporte e informações de controle: DL-SCH, PCH, BCH, DCI, CFI, HI, UL-SCH e UCI Mapeamento de canais de transporte para canais físicos Codificação CRC e mascaramento Segmentação de bloco de código Codificação convolucional e turbo Taxa de correspondência, seleção de bits e poda Canais de transporte e cadeias de processamento de informações de controle HARQ: redundância incremental, parar e esperar
Modulação de Camada Física LTE Uplink	Objetivo: Entender os elementos de processamento para diferentes canais físicos de uplink e sinais físicos de uplink. Cadeia de processamento do canal físico de uplink Embaralhamento e modulação Revisão SC-FDMA Sinais de referência de uplink: DRS e SRS Canais físicos de uplink: PUSCH, PUCCH e PRACH Informações de controle: CQI, RI, PMI, HI e SR Sinalização de controle no PUSCH e PUCCH Formatos PUCCH Canais físicos e sinais físicos de uplink
LTE Release 9	Objetivo: Aprenda sobre os novos recursos introduzidos no LTE Release 9. Recursos da versão 9 Suporte MBMS Home eNodeB Suporte de posicionamento Esquemas de transmissão
LTE Advanced – versão 10	Objetivo: Aprenda sobre os novos recursos introduzidos no LTE Release 10. Tecnologias Avançadas IMT Agregação portadora Multiplexação espacial Uplink Recursos Ortogonais Espaciais Transmitem Diversidade MIMO aprimorada de downlink Sinais de referência CSI

MATLAB to C with MATLAB Coder

Dia 1 de 2
Geração de código com codificador MATLAB	Objetivo: Familiarizar-se com o MATLAB Coder e seus aplicativos. Visão geral do codificador MATLAB Fluxo de trabalho para gerar código C a partir do código MATLAB Gerando código C Verificando o código gerado Navegando código gerado
Preparando o Código MATLAB para Geração de Código	Objetivo: Usar os padrões de codificação do MATLAB Coder para escrever código MATLAB que esteja pronto para geração de código. Traduzindo o código MATLAB para o código C Chamando Funções MATLAB Não Suportadas Preparando o código existente do MATLAB Fluxos de trabalho de preparação de código
Trabalhando com dados de tamanho fixo	Objetivo: Gerar código C a partir do código MATLAB que tenha entradas de tamanho fixo ou constantes. Visão geral das características de dados Especificando entradas de nível superior e de tamanho fixo Especificando Entradas de Nível Superior Constantes
Trabalhando com dados de tamanho variável	Objetivo: Gerar código C a partir do código MATLAB que possui entradas de tamanho variável ou dados locais. Especificando Entradas de Nível Superior e Tamanho Variável Especificando dados locais de tamanho variável Reutilizando Variáveis

Dia 2 de 2
Trabalhando com dados globais, estruturas e matrizes de células	Objetivo: Gerar código C a partir do código MATLAB que contém dados persistentes, variáveis globais, estruturas de entrada ou matrizes de células. Variáveis Persistentes Variáveis globais Trabalhando com estruturas Matrizes de células no código gerado Passando argumentos por referência
Integrando com código externo	Objetivo: Integrar código C gerado a partir do MATLAB Coder com código C externo. Visão geral da integração de código Pontos de entrada para código gerado Integrando código C externo usando a interface MATLAB Coder Integrando código C externo usando um IDE externo Chamando funções C externas Verificação de código e criação de perfil Depuração de código fonte
Otimizando o Código Gerado	Objetivo: Use várias opções e técnicas para otimizar o código gerado. Otimização de código com desenrolamento de loop e inicialização nula Função inline e particionamento de arquivos Objetos de configuração Removendo código desnecessário Convenções de nomenclatura no código gerado Convertendo um projeto em um script

Credit Risk Management with MATLAB

Dia 1 de 1
Classificação de Ratings de Crédito	Objetivo: criar e validar modelos de classificação para classificações de crédito e pontuações de crédito com base em dados históricos. Classificando as classificações de crédito dos dados históricos Analisando e validando modelos de classificação de crédito Criando e avaliando modelos de pontuação de crédito Determinando a probabilidade de inadimplência
Modelos de formulários reduzidos	Objetivo: Avaliar e avaliar o risco implícito de mercado e as premissas de granularidade de Basileia em uma carteira de títulos Avaliando a concentração do portfólio Ajuste de curvas zero para dados de mercado Estimando distribuições da taxa de recuperação Encontrar fluxos de caixa de renda fixa Probabilidade de inicialização do padrão
Modelos de Risco de Crédito Estrutural	Objetivo: Calcular as exigências de capital sob Basileia para um portfólio de títulos usando o modelo ASRF e modelos estruturais de probabilidade de inadimplência. Descontar fluxos de caixa Estimando a probabilidade de inadimplência com o modelo de Merton Calculando os requisitos de capital com o modelo ASRF
Modelos históricos de migração de créditos	Objetivo: Calcular a perda esperada, o valor em risco e o valor condicional em risco em uma carteira de títulos incorporando eventos de transição correlacionados à cópula. Obrigações de preços sob turnos de rendimento Estimando probabilidades de transição Simulando eventos de transição Implementando migrações de crédito correlacionadas

Market Risk Management with MATLAB

Dia 1 de 1
Avaliando o risco da carteira	Objetivo: Avaliar e analisar o risco de mercado associado a uma determinada carteira de ativos. Criando linhas de base de mercado e setor Análise de portfólio Métricas de risco de computação para um determinado portfólio Avaliando betas de portfólio Estimando o risco relativo da carteira
Modelando e simulando o risco da carteira	Objetivo: Modelar e simular o risco de mercado associado a uma determinada carteira de ativos. Ajustando distribuições paramétricas e não paramétricas para dados de mercado e portfólio Analisando cenários gerados a partir de modelos de distribuição Calibrando modelos multivariados de risco de SDE Simulação e análise de Monte Carlo Reconstruindo, analisando e reduzindo dados usando componentes principais
Analisando o Risco de Volatilidade Implícita	Objetivo: Estimar e interpolar as curvas e superfícies de volatilidade implícitas dos dados de opção observados no mercado. Organizando dados de opções Estimando a volatilidade implícita Interpolando curvas e superfícies de volatilidade Calibrando o modelo SABR
Criando e analisando modelos de risco de séries temporais	Objetivo: Criar e analisar modelos de séries temporais GARCH orientados ao risco para fins de análise e simulação de risco de mercado. Identificando a autocorrelação e os efeitos GARCH em séries temporais Criando e ajustando modelos de séries temporais orientadas para risco Modelagem de caudas de distribuição usando teoria de valores extremos Modelando séries correlacionadas usando cópulas Simulando a partir de modelos combinados
Bootstrapping e Simulação Histórica Filtrada	Objetivo: Realizar análise de risco de mercado aplicando simulação histórica filtrada. Realizando simulação histórica filtrada a partir dos resíduos de um modelo Automatizando a análise com bootstrapping
Validando Modelos de Valor em Risco	Objetivo: Avaliar e validar os modelos de eficácia, desempenho e precisão do valor em risco e do déficit esperado, usando backtesting formal em dados históricos do mercado. Preparando modelos de risco para backtesting Realizando testes de hipóteses sobre valores de saída previstos a partir de modelos de risco Resumindo e reportando os resultados do backtest Executando vários backtests

Object-Oriented Programming with MATLAB

Dia 1 de 2
Criando tipos de dados personalizados	Objetivo: Organize seus arquivos em pacotes. Aprenda algumas das técnicas e benefícios básicos da programação orientada a objetos e experimente as diferenças entre programação procedural e orientada a objetos. Criando um namespace armazenando vários arquivos em um pacote Encapsulando dados e funcionalidade em um único arquivo de definição de classe Documentando tipos de dados personalizados Criando e usando variáveis de tipos de dados personalizados
Criando uma classe MATLAB	Objetivo: Tornar os objetos confiáveis separando a interface e a implementação. Melhore a capacidade de manutenção de código, evitando a duplicação de código. Personalize operações padrão para suas aulas. Definindo interações seguras por meio de métodos de acesso a dados Projetando a Interface de Classe Pública com os Atributos de Propriedade e Método Customizando operadores padrão para sua classe Evitando a duplicação de código por meio de refatoração interna
Hierarquias de Classe de Construção	Objetivo: Relacionar várias classes similares por meio de uma superclasse comum. Estenda a superclasse genérica especializando seu comportamento nas subclasses. Criando uma superclasse via abstração Herdando de uma superclasse Definindo propriedades e métodos abstratos Implementando Comportamento Especializado em Subclasses
Facilitando várias referências	Objetivo: Incorporar uma classe a outra via agregação. Distinguir os casos de uso por comportamento de passagem por valor versus comportamento de passagem por referência. Defina uma classe que exiba um comportamento de referência. Criando uma classe de visualizador contendo uma classe de dados Escrevendo código (polimórfico) sensível ao contexto Referenciando um objeto de dados de vários objetos do visualizador Escolhendo entre classes de identificador e valor

Dia 2 de 2
Escrevendo testes de unidade	Objetivo: Garantir o comportamento correto escrevendo testes formais para a unidade de código correspondente. Use a estrutura de teste de unidade fornecida no MATLAB. Melhore a qualidade e a flexibilidade do seu software. Visão geral da estrutura de teste de unidade do MATLAB Escrevendo um método de teste Criando um ambiente de teste usando métodos de configuração e desmontagem Parametrizando um método de teste Agregando e executando suítes de testes Teste de registro e resultados de cobertura
Sincronizando Objetos	Objetivo: Reagir automaticamente a alterações de propriedade usando eventos, ouvintes e retornos de chamada predefinidos. Trigger chamadas de função com base em eventos personalizados. Eventos, ouvintes e retornos de chamada Usando eventos de propriedade predefinidos Consulta de informações meta da classe Definindo ouvintes de propriedade Implementando uma função de retorno de chamada Definindo eventos customizados e seus retornos de chamada
Convertendo e concatenando objetos	Objetivo: implementar conversões de tipo de dados. Define relações de precedência entre classes. Construa matrizes de objetos heterogêneos. Regras de precedência do operador MATLAB Convertendo objetos de uma classe para outra Definindo uma hierarquia de classes heterogêneas Métodos de implementação para matrizes heterogêneas

Designing Robotics Algorithms in MATLAB

Dia 1 de 1
Conectando ao sistema operacional do robô (ROS)	Objetivo: Trocar dados entre ambientes MATLAB e ROS. Iniciando e desligando o ROS Inscrevendo-se em tópicos Publicação de mensagens para tópicos Solicitando e fornecendo serviços
Algoritmos de Circuito Fechado de Construção	Objetivo: Projetar um algoritmo simples de planejamento de movimento no MATLAB usando dados do ROS. Criando um waypoint seguindo o algoritmo Algoritmos de teste no MATLAB Algoritmos de teste em robôs e simuladores habilitados para ROS
Considerações de design	Objetivo: Explorar diferentes métodos para controlar a execução e a transferência de dados de algoritmos. Criando algoritmos baseados em eventos Executando algoritmos a uma taxa fixa Compartilhando dados
Incorporando Algoritmos Internos	Objetivo: Use os algoritmos de robótica móvel incluídos no Robotics System Toolbox. Construindo uma grade de ocupação Criando um roteiro probabilístico Rastreando um caminho com o algoritmo de busca pura

Computer Vision with MATLAB

Dia 1 de 2
Importando, visualizando e anotando vídeos	Objetivo: Importe vídeos para o MATLAB, anote e visualize-os. O foco está no uso do System Objects ^™ para realizar cálculos iterativos em quadros de vídeo. Importando e exibindo arquivos de vídeo Destacar objetos desenhando marcadores e formas como retângulos Combinando e sobrepondo duas imagens Realizando cálculos iterativos em quadros de vídeo
Detectando, extraindo e combinando recursos de imagem	Objetivo: Use detectores de canto e blob para detectar recursos locais em imagens. Extraia e combine recursos de duas imagens. Use recursos correspondentes para alinhar e costurar imagens automaticamente. Detectando e extraindo recursos em uma imagem Recursos de correspondência entre dois conjuntos de recursos de entrada Estimando a transformação geométrica entre imagens Alinhando e costurando imagens
Detecção de Objetos	Objetivo: Treinar um detector para detecção flexível de objetos. Detecte objetos em movimento usando um detector de primeiro plano. Marcando objetos de interesse em imagens de treinamento Treinar e usar o detector de objetos em cascata Usando a detecção de primeiro plano para detectar objetos
Estimação de Movimento	Objetivo: Estimar direção e força de movimento em uma seqüência de vídeo. Entendendo a percepção de movimento em imagens Estimando o movimento usando o correspondente de bloco Estimativa de movimento usando métodos de fluxo óptico

Dia 2 de 2
Rastreamento	Objetivo: Rastrear objetos únicos e múltiplos e estimar sua trajetória. Lide com a oclusão prevendo a posição do objeto. Rastreando objetos usando histograma de valores de pixel Pontos de rastreamento usando um rastreador de pontos Previsão da posição do objeto usando o filtro de Kalman Acompanhando vários objetos
Calibração da câmera	Objetivo: Remover a distorção da lente das imagens. Meça o tamanho dos objetos planares. Estimativa dos parâmetros intrínsecos, extrínsecos e de distorção da lente de uma câmera Visualizando o erro de calibração Removendo a distorção da lente Medindo objetos planares em unidades do mundo real
Nuvens de ponto	Objetivo: Trabalhar com pontos de dados armazenados como nuvens de pontos. Importe, visualize e processe nuvens de pontos. Importando e visualizando nuvens de pontos Removendo outliers de nuvens de pontos Registrando várias nuvens de pontos Colocar uma forma geométrica em uma nuvem de pontos
Reconstrução 3D	Objetivo: Criar uma reconstrução 3D de uma cena usando câmeras estéreo ou uma série de imagens tiradas por uma câmera em movimento. Reconstruindo uma cena usando duas ou várias imagens Reconstruindo uma cena usando câmeras estéreo calibradas Extraindo informações de profundidade de imagens estéreo

Signal Processing with MATLAB

Dia 1 de 2
Sinais em MATLAB	Objetivo: Gerar sinais amostrados e sintetizados a partir da linha de comando e visualizá-los. Crie sinais de ruído para uma determinada especificação. Realize operações de processamento de sinal, como reamostragem, modulação e correlação. Criando sinais discretos Amostragem e reamostragem Sinais de visualização Modelagem de ruído Realizando reamostragem, modulação e correlação Gerando sinais de streaming
Análise espectral	Objetivo: Compreender diferentes técnicas de análise espectral e o uso de janelamento e preenchimento com zero. Familiarize-se com as ferramentas de análise espectral no MATLAB e explore técnicas não paramétricas (diretas) e paramétricas (baseadas em modelos) de análise espectral. Transformada discreta de Fourier Windowing e zero padding Estimativa de densidade espectral de potência Espectros variantes no tempo Usando um analisador de espectro no MATLAB
Sistemas Invariantes de Tempo Linear	Objetivo: Representar sistemas lineares invariantes no tempo (LTI) no MATLAB e calcular e visualizar diferentes caracterizações de sistemas LTI. Representações do sistema LTI z-transform Freqüência e resposta ao impulso Visualizando as propriedades do filtro Aplicação de filtros a sinais finitos e de streaming

Dia 2 de 2
Design de filtro	Objetivo: projetar filtros de forma interativa usando o aplicativo Filter Design and Analysis. Projete filtros a partir da linha de comando usando objetos de especificação de filtro. Especificações do filtro Design de filtro interativo Funções comuns de design de filtro Design de filtro com objetos de especificação de filtro Reduzindo o atraso do filtro Filtragem de Domínio de Frequência
O aplicativo de análise de sinal	Objetivo: Aprenda a usar um poderoso aplicativo tudo-em-um para importar e visualizar múltiplos sinais, realizar análises espectrais neles e projetar e aplicar filtros aos sinais. Faça medições estatísticas e de cursor simples nos sinais. Navegue pelos sinais e faça medições simples Executar análise espectral interativa Projete e aplique filtros para sinalizar interativamente
Filtros Multirate	Objetivo: Compreender os princípios do design de filtro multifásico polifásico. Projete filtros de interpolação e decimação multirate. Projete filtros multiestágios e de banda estreita. Downsampling e upsampling Identidades nobres e estruturas FIR polifásicas Decimadores e interpoladores polifásicos Projetar filtros FIR multiestágios e interpolados
Design de filtro adaptativo	Objetivo: projetar filtros adaptativos para identificação do sistema e cancelamento de ruído. Noções básicas de filtragem adaptativa Execute a identificação do sistema Execute o cancelamento de ruído Melhore a eficiência do filtro adaptável

Accelerating and Parallelizing MATLAB Code

Dia 1 de 2
Melhorando a performance	Objetivo: Analisar o desempenho do código e utilizar técnicas de aceleração no MATLAB. Identificando gargalos Arrays de pré-alocação Operações de vetorização de várias maneiras Reescrevendo algoritmos
Gerando arquivos MEX	Objetivo: Gerar arquivos de código compilados a partir do código MATLAB para melhor desempenho. Visão geral e fluxo de trabalho do MATLAB Coder Gerando e verificando arquivos MEX Chamando Funções Não Suportadas Ajustando configurações para geração de arquivos MEX
Paralelizar Cálculos	Objetivo: Paralelizar a execução de código para aproveitar vários núcleos. Abrindo processos adicionais do MATLAB Correndo paralelamente para loops Velocidades de medição Processando vários arquivos em paralelo

Dia 2 de 2
Paralelo para Loops	Objetivo: Explorar loops for-lo paralelos em mais detalhes e aplicar técnicas para converter loops par-loops. Requisitos de loops paralelos Paralelizando for-loops Recuperando resultados intermediários
Execução de Descarregamento	Objetivo: Transferir cálculos para outro processo do MATLAB para poder usar o MATLAB para outras tarefas nesse meio tempo. Esta é também uma etapa de preparação para trabalhar com clusters. Processamento em lote Criando trabalhos em lote Recuperando resultados Usando o Job Monitor
Trabalhando com Clusters	Objetivo: Acelerar cálculos e realizar simulações mais extensas utilizando vários computadores. Clusters locais e remotos Licenciamento dinâmico Descoberta e conexão de cluster Considerações sobre acesso a arquivos
Computação GPU	Objetivo: Executar o código MATLAB na placa gráfica do seu computador (GPU) como outra opção para acelerar os cálculos. Visão geral da arquitetura e processamento da GPU Aplicações adequadas para processamento de GPU Invocando funções do MATLAB na GPU Usando o código CUDA preexistente

MATLAB for Asset Allocation

Dia 1 de 1
Primeiros passos com portfólios	Objetivo: usar métricas padrão de média-variância e um pequeno conjunto de restrições de portfólio para definir e analisar um conjunto de portfólios viáveis. O tipo de dados do Portfólio Definindo um universo de ativos Definindo restrições de investimento padrão Estimando e visualizando uma fronteira eficiente
Definindo restrições de investimento	Objetivo: Definir restrições típicas de investimento e explorar seus efeitos limitantes na fronteira eficiente. Definição de limites para posições individuais Definindo e limitando grupos de ativos Imposição de restrições lineares personalizadas Incorporando custos de investimento
Alterando Solvers, Opções e Métricas	Objetivo: Ajustar solucionadores e opções de solver do tipo de dados Portfolio para acelerar os cálculos. Explore proxies de risco alternativos fora da estrutura de média-variância. Solucionadores para o tipo de dados do Portfólio Opções para os diferentes solucionadores Usando o valor em risco condicional (CVaR) como métrica de risco Simulando cenários Estimando a fronteira CVaR
Empregando Cenários Personalizados	Objetivo: Definir e ajustar um modelo de distribuição personalizado para a série de retorno histórico. Use-o para gerar cenários customizados e para configurar uma variável PortfolioCVaR. Avalie os resultados via back-testing. Analisando a distribuição dos dados de retorno Empregando dados históricos para análise de cenário Ajustando um modelo de distribuição personalizado Gerando e usando cenários personalizados Analisando resultados e back-testing
Gerando relatórios personalizados	Objetivo: Usar o MATLAB Report Generator para gerar automaticamente relatórios personalizados do código MATLAB usando um modelo de relatório externo. Estruturas alternativas de alocação de ativos Criando um modelo de relatório externo Gerenciando o processo de geração de relatório Escrevendo um arquivo de definição de relatório Componentes do MATLAB Report Generator

Building Interactive Applications in MATLAB

Dia 1 de 1
Usando o ambiente do App Designer	Objetivo: usar o App Designer para criar e compartilhar um aplicativo, organizando componentes e dando a eles um comportamento interativo. Trabalhando na interface do App Designer Adicionando retornos de chamada aos componentes Funcionalidade de retorno de chamada de programação Compartilhar aplicativos com outras pessoas
Criando e atualizando plotagens	Objetivo: criar aplicativos com elementos gráficos que podem ser modificados pela interação do usuário, bem como aplicativos com componentes continuamente ajustáveis. Usando as funções de plotagem nos aplicativos Acessando objetos gráficos em aplicativos Programando componentes para atualizar o aplicativo continuamente Compartilhando retornos de chamada entre vários componentes Adicionando funcionalidade de ajuda e inicialização
Criando Componentes Responsivos	Objetivo: criar aplicativos robustos e flexíveis com componentes que se adaptam adequadamente às ações do usuário. Adicionando e usando dados de aplicativos locais Trabalhando com componentes agrupados Modificando propriedades do componente
Gerenciando vários aplicativos e janelas	Objetivo: criar aplicativos que usam janelas de diálogo extras e aplicativos auxiliares. Usando janelas de diálogo padrão Captura de erros Criando aplicativos de ajuda Passando dados de aplicativos entre aplicativos

Image Processing with MATLAB

Dia 1 de 2
Importando e Visualizando Imagens	Objetivo: Importar imagens para o MATLAB e visualizá-las. Converta as imagens em um formato que seja útil para as etapas de análise subsequentes. Importando e exibindo imagens Convertendo entre tipos de imagem Exportando imagens
Exploração Interativa de Imagens	Objetivo: Explorar de forma interativa os detalhes do objeto, como tamanho e cor, para encontrar os valores iniciais das etapas subsequentes do processamento de imagens. Para aplicar as etapas repetidamente, você pode criar ferramentas de exploração de imagem personalizadas a partir dos módulos interativos. Obtendo valores de intensidade de pixel Extraindo uma região de interesse (ROI) Estatísticas de pixel de computação em uma região de interesse Tamanhos de objeto de medição Criando uma ferramenta interativa personalizada
Imagens de pré-processamento	Objetivo: pré – processar imagens filtrando e usando o ajuste de contraste para simplificar ou permitir etapas de análise de imagem. Ajustando o contraste da imagem Reduzindo o ruído em uma imagem filtrando Manipulando o contexto não homogêneo Aplicação de funções personalizadas bloco por bloco
Transformação espacial e registro de imagem	Objetivo: Comparar imagens com escala e orientação diferentes, alinhando-as. Use as mesmas técnicas para criar imagens panorâmicas. Transformações geométricas Registro de imagem usando mapeamento de pontos Criando uma cena panorâmica

Dia 2 de 2
Detecção de Borda e Linha	Objetivo: segmentar arestas de objetos e extrair locais de pixel de limite. Detecte linhas e círculos em uma imagem. Segmentar arestas de objetos Detectando linhas retas Executando análise de lote em conjuntos de imagens Detectando objetos circulares
Segmentação de cores e texturas	Objetivo: segmentar objetos com base em cor ou textura. Use recursos de textura para classificação de imagem. Transformação de espaço de cor Segmentação de cores Segmentação de textura Classificação de imagem baseada em textura
Extração de recursos	Objetivo: Analisar e modificar a forma dos objetos para melhorar os resultados da segmentação. Conte os objetos detectados e calcule os recursos do objeto como área ou centróides. Contando objetos Medindo propriedades de forma Usando operações morfológicas Realizando segmentação de bacias hidrográficas

Optimization Techniques in MATLAB

Dia 1 de 1
Executando uma Otimização	Objetivo: Compreender a estrutura básica e o processo de resolver problemas de otimização de forma eficaz. Use ferramentas interativas para definir e resolver problemas de otimização. Identificando os componentes do problema Executando uma otimização usando a Ferramenta de otimização Aplicando o processo de otimização Usando funções de otimização
Especificando a função objetiva	Objetivo: Implementar uma função objetiva como um arquivo de função. Use alças de função para especificar funções objetivas e dados extras. Usando um arquivo de função objetivo Especificando funções objetivas com alças de função Passando dados extras para funções objetivas
Especificando Restrições	Objetivo: Adicionar diferentes tipos de restrições a um problema de otimização no MATLAB. Identificando diferentes tipos de restrições Definindo limites Definindo restrições lineares Definindo restrições não lineares
Escolhendo um Solver	Objetivo: Selecione um solucionador e um algoritmo apropriados considerando o tipo de problema de otimização a ser resolvido. Classificando o objetivo Escolhendo um solucionador Escolhendo o algoritmo
Avaliando Resultados e Melhorando o Desempenho	Objetivo: Interpretar a saída do solucionador e diagnosticar o progresso de uma otimização. Aumente a precisão e a eficiência de uma otimização alterando as configurações. Examinando a otimização Interpretando o resultado Definindo opções de convergência Fornecendo informações derivadas
Usando métodos globais de otimização	Objetivo: Usar a funcionalidade do Global Optimization Toolbox para resolver problemas em que algoritmos clássicos falham ou funcionam de maneira ineficiente. Encontrando o mínimo global Usando algoritmos genéticos para resolver problemas discretos

Statistical Methods in MATLAB

Dia 1 de 2
Importando e organizando dados	Objetivo: Trazer dados para o MATLAB e organizá-los para análise. Execute tarefas comuns, como mesclar dados e lidar com dados ausentes. Importando dados Tipos de dados Tabelas de dados Mesclando dados Dados categóricos Dados ausentes
Explorando dados	Objetivo: Realizar a investigação estatística básica de um conjunto de dados, incluindo visualização e cálculo de estatísticas de resumo. Plotagem Tendencia central Espalhar Forma Correlações Dados agrupados
Distribuições	Objetivo: Investigar diferentes distribuições de probabilidade e ajustar distribuições a um conjunto de dados. Distribuições de probabilidade Parâmetros de distribuição Comparando e ajustando distribuições Conexão não paramétrica
Testes de Hipóteses	Objetivo: Determinar a probabilidade de uma afirmação sobre um conjunto de dados. Aplique testes de hipóteses para usos comuns, como comparar duas distribuições e determinar intervalos de confiança para uma média de amostra. Testes de hipóteses Testes para distribuições normais Testes para distribuições não normais

Dia 2 de 2
Análise de variação	Objetivo: Comparar as médias amostrais de múltiplos grupos e encontrar diferenças estatisticamente significativas entre os grupos. Múltiplas comparações ANOVA unidirecional N-way ANOVA MANOVA ANOVA não normal Correlações categóricas
Regressão	Objetivo: executar a modelagem preditiva, ajustando modelos lineares e não lineares a um conjunto de dados. Explore técnicas para melhorar a qualidade do modelo. Modelos de regressão linear Ajustando modelos lineares aos dados Avaliando o ajuste Ajustando o modelo Regressão linear logística e generalizada Regressão não linear
Trabalhando com várias dimensões	Objetivo: Simplificar conjuntos de dados de alta dimensão, reduzindo a dimensionalidade. Transformação de Recurso Seleção de recursos
Números Aleatórios e Simulação	Objetivo: Use números aleatórios para avaliar a incerteza ou sensibilidade de um modelo, ou realizar simulações. Gere números aleatórios de várias distribuições e gerencie os algoritmos de geração de números aleatórios do MATLAB. Bootstrapping e simulação Gerando números a partir de distribuições padrão Gerando números de distribuições arbitrárias Controlando o fluxo de números aleatórios

Interfacing MATLAB with C Code

Dia 1 de 1
Visão geral do arquivo MEX	Objetivo: Identificar os componentes necessários de um arquivo MEX e configurar o ambiente para produzir arquivos MEX. Introdução aos arquivos MEX Aplicações de arquivos MEX Componentes de um arquivo MEX Configurando o MATLAB para compilar arquivos MEX Construindo e executando um arquivo MEX
Arquivos MEX com entradas e saídas	Objetivo: Criar arquivos MEX com entradas e saídas para interação com o ambiente MATLAB. Fluxo de dados em arquivos MEX Dados do MATLAB A classe mxArray Trabalhando com ponteiros Trabalhando com funções da API mxArray Trabalhando com strings Quando usar arquivos MEX Manipulando dados
Considerações sobre a interface do arquivo MEX	Objetivo: Exibir mensagens de diagnóstico e gerenciar a memória em arquivos MEX. Exibindo mensagens de diagnóstico Alocação de memória e desalocação Evitando vazamentos de memória Trabalhando com memória de entrada e saída Depuração de arquivos MEX
Chamando o MATLAB do código C	Objetivo: chamar o mecanismo MATLAB a partir de um aplicativo C para avaliar expressões do MATLAB e transferir dados entre o aplicativo C e o mecanismo MATLAB. Introdução ao mecanismo MATLAB Fluxo de dados em aplicativos do mecanismo MATLAB Chamando o mecanismo MATLAB Compilando e executando aplicativos do mecanismo MATLAB

MATLAB Programming Techniques

Dia 1 de 2
Utilizando Ferramentas de Desenvolvimento	Objetivo: Use ferramentas integradas para gerenciar código, diagnosticar problemas, depurar aplicativos e medir o desempenho. Gerando relatórios em vários arquivos Encontrando problemas potenciais no código Código de depuração Avaliando o desempenho do código
Verificando o comportamento do aplicativo	Objetivo: criar testes para verificar se o código atende aos requisitos. Escrevendo scripts de teste Execução de scripts de teste Usando funções de teste
Criando Aplicativos Robustos	Objetivo: Criar aplicativos robustos que suportem entrada inesperada e produzam erros significativos. Use funções integradas do MATLAB e construções de programação, e empregue técnicas padrão para lidar com condições de erro. Criando interfaces de função flexíveis Verificar as condições de aviso e erro Trabalhando com os objetos de construção try-catch e MException

Dia 2 de 2
Código de Estruturação	Objetivo: modularizar o código em funções legíveis e atualizáveis. Explore os diferentes tipos de função disponíveis no idioma do MATLAB e as compensações associadas a cada tipo. Veja como o tipo de função afeta o desempenho e a confiabilidade do código. Funções privadas Funções locais Funções aninhadas Alças de função Regras de Precedência Comparação de tipos de função
Estruturando Dados	Objetivo: Explorar opções para armazenar dados em um aplicativo MATLAB. Tipos de dados Matrizes de célula e estrutura Extraindo dados Concatenação e Conversão Objetos e classes
Gerenciando Dados Eficientemente	Objetivo: Use técnicas comuns para melhorar o desempenho ao armazenar, acessar e processar dados. Pré-alocação Vectorização Gerenciamento de memória Passando dados entre funções
Criando uma caixa de ferramentas	Objetivo: código e documentação do pacote em uma caixa de ferramentas personalizada para distribuição a outros usuários. Criando documentação Empacotando a caixa de ferramentas Distribuindo a caixa de ferramentas

MATLAB for Data Processing and Visualization

Dia 1 de 1
Importando dados	Objetivo: ler arquivos de texto que contenham uma mistura de tipos de dados, delimitadores e cabeçalhos. Importe uma mistura de tipos de dados de arquivos de texto formatados arbitrariamente Importar apenas colunas obrigatórias de dados de um arquivo de texto Importar e mesclar dados de vários arquivos
Processando dados	Objetivo: processar dados importados brutos extraindo, manipulando, agregando e contando partes de dados. Processar dados com elementos ausentes Criar e modificar matrizes categóricas Agregar, binear e contar grupos de dados
Customizando visualizações	Objetivo: Anotar e modificar gráficos padrão para produzir gráficos informativos personalizados. Determinar propriedades de objetos gráficos e seus valores associados Localize e manipule objetos gráficos Personalize gráficos modificando propriedades de objetos gráficos
Trabalhando com dados irregulares	Objetivo: Importar e visualizar dados dispersos de arquivos de texto com formatação irregular. Analisar arquivos de texto para determinar a formatação Importar dados de seções separadas de um arquivo de texto Extrair dados de variáveis de contêiner Interpolar dados tridimensionais espaçados irregularmente Visualize dados tridimensionais em duas e três dimensões

MATLAB for Data Processing and Visualization

Dia 1 de 1
Importando dados	Objetivo: Ler arquivos de texto que contenham uma mistura de tipos de dados, delimitadores e cabeçalhos. o Importar uma mistura de tipos de dados de arquivos de texto formatados arbitrariamente o Importar apenas colunas obrigatórias de dados de um arquivo de texto o Importar e mesclar dados de vários arquivos
Processando dados	Objetivo: Processar dados importados brutos, extraindo, manipulando, agregando e contando partes de dados. o Processar dados com elementos ausentes o Criar e modificar matrizes categóricas o Agregar, binear e contar grupos de dados
Customizando visualizações	Objetivo: Anote e modifique os gráficos padrão para produzir gráficos informativos personalizados. o Determinar propriedades de objetos gráficos e seus valores associados o Localizar e manipular objetos gráficos o Personalizar gráficos modificando propriedades de objetos gráficos
Trabalhando com dados irregulares	Objetivo: Importe e visualize dados dispersos de arquivos de texto com formatação irregular. o Analisar arquivos de texto para determinar a formatação o Importar dados de seções separadas de um arquivo de texto o Extrair dados de variáveis de contêiner o Interpolar dados tridimensionais espaçados irregularmente o Visualize dados tridimensionais em duas e três dimensões

Time-Series Modeling in MATLAB

Dia 1 de 1
Preparando Dados para Montagem de Modelos	Objetivo: Preparar dados de séries temporais para o ajuste do modelo, identificando tendências e aplicando transformações de dados. o Removendo as tendências exponenciais o Identificando tendências polinomiais e sazonais o Testando para estacionaridade de dados o Estacionarizando dados o Testes de raiz unitária
Seleção de modelos e ajustes	Objetivo: Use ferramentas de diagnóstico para selecionar um grupo de modelos ARIMA e GARCH candidatos adequados para uma determinada série temporal. Identifique, crie e ajuste modelos de séries temporais de candidatos a dados. o Autocorrelação computacional e autocorrelação parcial o Selecionando modelos usando testes formais o Selecionando modelos ARIMA e GARCH candidatos para um dado conjunto de dados o Criando e ajustando modelos de séries temporais para um conjunto de dados
Avaliando a adequação do modelo	Objetivo: Calcule e avalie o diagnóstico do modelo para garantir a correção, adequação e confiabilidade do modelo. o Inferindo resíduos do modelo o Teste de resíduos para a normalidade o Analisando diagnósticos de modelo e estatísticas de boa adequação o Avaliando a significância de termos de modelos individuais o Comparando modelos
Previsão e Simulação	Objetivo: Modelos de previsão para prever dados futuros. Simule trajetórias e estatísticas de amostra aplicando técnicas de simulação de Monte Carlo. o Previsão de dados usando modelos ajustados o Usando previsões dentro da amostra para avaliar a adequação do modelo o Simulação de modelo de Monte Carlo o Modelos de backtesting

Wireless Communications Systems Design with MATLAB and USRP Software-Defined Radios

Dia 1 de 2
Comunicação através de um canal sem ruído	Objetivo: Modelando um sistema ideal de comunicações de uma única operadora e familiarizando-se com os objetos do sistema. o Teorema de amostragem e aliasing o Simulação de banda passante complexa versus banda passante real o Criando um fluxo de bits aleatório o Objetos do sistema e seus benefícios o Modulando um fluxo de bits usando o QPSK o Aplicação de modelagem de pulso ao sinal transmitido o Diagramas de olho e análise espectral o Modelando um receptor QPSK para um canal sem ruído o Taxa de erro de bit de computação
Canais Ruidosos, Codificação de Canal e Taxas de Erro	Objetivo: Modelando um canal AWGN. Usando códigos convolutional, LDPC e turbo para reduzir a taxa de erro de bit. Correção de erros Os códigos dos sistemas DVB-S.2 e LTE são usados como exemplos. Acelerando simulações usando múltiplos núcleos. o Modelando um canal AWGN o Usando codificação e decodificação de canal: códigos convolutional, LDPC e turbo o Diagrama de treliça e decodificação de Viterbi o Usando o Parallel Computing Toolbox para acelerar as simulações de Monte Carlo o Discussão de métodos alternativos de aceleração: GPUs, MDCS, MATLAB Parallel Cloud
Erros de temporização e frequência e canais multipath	Objetivo: Modelagem de deslocamento de frequência, erros de temporização e mitigação usando técnicas de sincronização de frequência e temporização. Modelagem de atenuação plana, canais multipercurso e mitigação usando equalizadores. o Fase de modelagem e offsets de tempo o Mitigando o offset de frequência usando um PLL o Mitigação do jitter de temporização usando sincronização de temporização Gardner o Modelagem de canais de atenuação plana o Estimativa de canal usando sequências de treinamento o canais de desvanecimento seletivo de frequência de modelagem o Usando equalizadores Viterbi para canais invariantes no tempo e equalizadores lineares LMS para canais com variação de tempo o Demonstração de uma desmodulação em tempo real de transmissão de portadora única usando RTL-SDR

Dia 2 de 2
Sistemas de Comunicações Multiportadoras para Canais Multipath	Objetivo: Compreender a motivação para sistemas de comunicações com várias operadoras para canais seletivos de frequência. Modelando um transceptor OFDM com um prefixo cíclico e janelas. Serão usados valores de parâmetros do sistema de IEEE 802.11ac e LTE. o Motivação para comunicações de várias operadoras o Introdução à multiplexação ortogonal por divisão de frequência (OFDM) o Gerando símbolos OFDM usando o IFFT o Prevenção de interferência entre blocos usando um prefixo cíclico o Uso de janelas para reduzir as emissões fora de banda o Vantagens e desvantagens do OFDM o Métodos de temporização e recuperação de frequência para OFDM o Estimativa de canal usando símbolos piloto o Equalização de domínio de frequência
Usando Antenas Múltiplas para Ganhos de Robustez e Capacidade	Objetivo: Compreender o sistema alternativo de comunicações com múltiplas antenas. Modelagem de sistemas de beamforming, diversidade e multiplexação espacial. Construindo um sistema MIMO-OFDM para comunicações de banda larga. Modos MIMO de IEEE 802.11ac e LTE serão discutidos. o Vantagens e tipos de sistemas multi-antena o Transmitir e receber beamforming o Receber técnicas de diversidade o Alcançar a diversidade de transmissão usando códigos de bloco ortogonais de espaço-tempo o Modelo de canais de saída múltipla de entrada múltipla (MIMO) de banda estreita o estimativa de canal MIMO o Multiplexação espacial usando equalização ZF e MMSE o Comunicações de banda larga usando um sistema MIMO-OFDM
Construindo um Sistema Radio-in-the-Loop	Objetivo: Compreender o fluxo de trabalho de desenvolvimento do rádio no loop. Usando RTL-SDRs e USRPs como plataformas de desenvolvimento de rádio-in-the-loop. o Visão geral do fluxo de trabalho de rádio em loop o Suporte a hardware de comunicação MathWorks (RTL-SDR, USRP, Rádio com base em Zynq) o Comparação alternativa de hardware (tabela pros / cons) o Diferentes modos de transmissão e recepção RIL (single burst, looped, streamed) o Construir um sistema de comunicações multiportadora de antena única ponta-a-ponta usando um USRP o Demonstração de um sistema over-the-air OFDM-MIMO 2×2 usando USRPs

MATLAB Fundamentals for Automotive Applications

Dia 1 de 3
Trabalhando com a interface do usuário do MATLAB	Objetivo: Familiarizar-se com os principais recursos do ambiente de design integrado do MATLAB e suas interfaces de usuário. Obtenha uma visão geral dos temas do curso. • Lendo dados de arquivos • Salvando e carregando variáveis • Plotar dados • Personalização de plotagens • Exportando gráficos para uso em outros aplicativos
Variáveis e Comandos	Objetivo: Digitar os comandos do MATLAB, com ênfase na criação de variáveis, no acesso e manipulação de dados em variáveis e na criação de visualizações básicas. Colete comandos do MATLAB em scripts para facilitar a reprodução e a experimentação. • Inserindo comandos • Criando variáveis numéricas e de caracteres • Fazer e anotar lotes • Conseguindo ajuda • Criando e executando scripts ao vivo
Análise e Visualização com Vetores	Objetivo: Realizar cálculos matemáticos e estatísticos com vetores. Use a sintaxe do MATLAB para executar cálculos em conjuntos de dados inteiros com um único comando. Organize scripts em seções lógicas para desenvolvimento, manutenção e publicação. • Realizando cálculos com vetores • Acessando e modificando valores em vetores • Formatando e compartilhando scripts ao vivo

Dia 2 de 3
Análise e Visualização com Matrizes	Objetivo: Usar matrizes como objetos matemáticos ou como coleções de dados (vetoriais). Entenda o uso apropriado da sintaxe do MATLAB para distinguir entre esses aplicativos. • Criando e manipulando matrizes • Realizando cálculos com matrizes • Calculando estatísticas com dados matriciais • Visualizando dados da matriz
Tabelas de Dados	Objetivo: Importar dados como uma tabela MATLAB. Trabalhe com dados armazenados como uma tabela. • Armazenando dados como uma tabela • Operando em mesas • Extrair dados de tabelas • Modificando tabelas
Seleção condicional de dados	Objetivo: Extrair e analisar subconjuntos de dados que satisfaçam determinados critérios. • Operações lógicas e variáveis • Encontrar e contar • indexação lógica
Organizando dados	Objetivo: Organizar os dados da tabela para análise. Representar dados usando tipos de dados MATLAB nativos apropriados. • Combinando tabelas de dados • Metadados da tabela • Datas e durações • Categorias discretas

Dia 3 de 3
Analisando Dados	Objetivo: Executar tarefas típicas de análise de dados no MATLAB, incluindo a importação de dados de arquivos, o pré-processamento de dados, a adaptação de um modelo a dados e a criação de uma visualização personalizada do modelo. • Importando de planilhas e arquivos de texto delimitados • Lidando com dados perdidos • Funções de plotagem • Personalização de plotagens
Aumento da automação com construções de programação	Objetivo: Criar código flexível que possa interagir com o usuário, tomar decisões e se adaptar a diferentes situações. • Construções de programação • Interação com o usuário • ramificação de decisão • Rotações
Aumento da automação com funções	Objetivo: Aumentar a automação encapsulando tarefas modulares como funções definidas pelo usuário. Entenda como o MATLAB resolve referências a arquivos e variáveis. Use ferramentas de desenvolvimento do MATLAB para localizar e corrigir problemas com código. • Criando funções • Funções de chamada • Configurando o caminho do MATLAB • Depurando com o MATLAB Editor • Usando pontos de interrupção • Criando e usando estruturas

MATLAB Fundamentals for Aerospace Applications

Dia 1 de 3
Trabalhando com a interface do usuário do MATLAB	Objetivo: Familiarizar-se com os principais recursos do ambiente de design integrado do MATLAB e suas interfaces de usuário. Obtenha uma visão geral dos temas do curso. • Lendo dados de arquivos • Salvando e carregando variáveis • Plotar dados • Personalização de parcelas • Exportando gráficos para uso em outros aplicativos
Variáveis e Comandos	Objetivo: Digitar os comandos do MATLAB, com ênfase na criação de variáveis, no acesso e manipulação de dados em variáveis e na criação de visualizações básicas. Colete comandos do MATLAB em scripts para facilitar a reprodução e a experimentação. • Inserindo comandos • Criando variáveis numéricas e de caracteres • Fazer e anotar lotes • Conseguindo ajuda • Criando e executando scripts ao vivo
Análise e Visualização com Vetores	Objetivo: Realizar cálculos matemáticos e estatísticos com vetores. Use a sintaxe do MATLAB para executar cálculos em conjuntos de dados inteiros com um único comando. Organize scripts em seções lógicas para desenvolvimento, manutenção e publicação. • Realizando cálculos com vetores • Acessando e modificando valores em vetores • Formatando e compartilhando scripts ao vivo

Dia 2 de 3
Análise e Visualização com Matrizes	Objetivo: Usar matrizes como objetos matemáticos ou como coleções de dados (vetoriais). Entenda o uso apropriado da sintaxe do MATLAB para distinguir entre esses aplicativos. • Criando e manipulando matrizes • Realizando cálculos com matrizes • Calculando estatísticas com dados matriciais • Visualizando dados da matriz
Tabelas de Dados	Objetivo: Importar dados como uma tabela MATLAB. Trabalhe com dados armazenados como uma tabela. • Armazenando dados como uma tabela • Operando em mesas • Extrair dados de tabelas • Modificando tabelas
Seleção condicional de dados	Objetivo: Extrair e analisar subconjuntos de dados que satisfaçam determinados critérios. • Operações lógicas e variáveis • Encontrar e contar • indexação lógica
Organizando Dados	Objetivo: Organizar os dados da tabela para análise. Representar dados usando tipos de dados MATLAB nativos apropriados. • Combinando tabelas de dados • Metadados da tabela • Datas e durações • Categorias discretas

Dia 3 de 3
Analizando Dados	Objetivo: Executar tarefas típicas de análise de dados no MATLAB, incluindo a importação de dados de arquivos, o pré-processamento de dados, a adaptação de um modelo a dados e a criação de uma visualização personalizada do modelo. • Importando de planilhas e arquivos de texto delimitados • Lidando com dados perdidos • Funções de plotagem • Personalização de parcelas
Aumento da automação com construções de programação	Objetivo: Criar código flexível que possa interagir com o usuário, tomar decisões e se adaptar a diferentes situações. • Construções de programação • Interação com o usuário • Ramificação de decisão • Rotações
Aumento da automação com funções	Objetivo: Aumentar a automação encapsulando tarefas modulares como funções definidas pelo usuário. Entenda como o MATLAB resolve referências a arquivos e variáveis. Use ferramentas de desenvolvimento do MATLAB para localizar e corrigir problemas com código. • Criando funções • Funções de chamada • Configurando o caminho do MATLAB • Depurando com o MATLAB Editor • Usando pontos de interrupção • Criando e usando estruturas

MATLAB For Financial Applications

Dia 1 de 3
Trabalhando com a interface do usuário do MATLAB	Objetivo: Familiarizar-se com os principais recursos do ambiente de design integrado do MATLAB e suas interfaces de usuário. Crie visualizações personalizadas de forma interativa que podem ser usadas para relatórios financeiros. • Importando dados de arquivos • Salvando e carregando variáveis • Visualizando dados interativamente • Explorar e personalizar gráficos • Compartilhamento de resultados gráficos
Variáveis e Comandos	Objetivo: Digitar os comandos do MATLAB, com ênfase na criação e no acesso a dados numéricos e de texto. Colete comandos do MATLAB em arquivos de código para reprodução e automação. Aprenda a executar tarefas como importação, análise e geração de relatórios. • Inserindo comandos • Criando variáveis numéricas e de texto • Encontrar ajuda e documentação • Importando dados programaticamente • Acessando e modificando valores em variáveis • Criando e executando scripts
Visualizando Resultados	Objetivo: Criar visualizações informativas de dados numéricos e baseados em tempo. Melhore a aparência dos gráficos personalizando gráficos e anotações. • Visualizando dados • Personalização de opções gráficas • Trabalhando com componentes gráficos individuais • Anotação • Conversão entre números e texto
Análise de Dados	Objetivo: Realizar cálculos matemáticos e estatísticos em dados numéricos. Use a sintaxe do MATLAB para executar tarefas de pré-processamento e análise em várias séries de preços com comandos únicos. • Realizando cálculos em dados • Interpretando dados da matriz • Usando matrizes para análise

Dia 2 de 3
Datas e Tempos	Objetivo: Usar variáveis para representar e manipular datas e tempos. Extraia componentes de datas e durações como variáveis numéricas. • Representando datas e durações • Realizando cálculos com datas e durações • Extraindo componentes numéricos de datas e durações • Plotar com datas
Trabalhando com dados tabulares	Objetivo: Importar dados como uma tabela MATLAB. Trabalhe com conjuntos de dados financeiros tabulares que incluem tipos de dados mistos. • Armazenando dados em tabelas • Extrair dados de tabelas • Modificando tabelas • operações de mesa • Exportando dados de tabelas
Seleção condicional de dados	Objetivo: Analisar subconjuntos de dados que satisfaçam determinados critérios. Execute a extração e manipulação rápida de dados usando variáveis lógicas. • Definição de condições lógicas usando operadores lógicos • Extraindo e filtrando dados indexando com uma variável lógica • Identificando e contando subconjuntos de dados • Gerenciando variáveis discretas usando matrizes categóricas
Controle de Fluxo de Programação	Objetivo: Criar código flexível que possa interagir com o usuário, tomar decisões e se adaptar a diferentes situações. Automatize tarefas usando construções de programação. • Gerenciando interação gráfica orientada a comandos com um usuário • Controlando o fluxo do programa usando construções de programação condicional • Executando tarefas iterativas usando loops

Dia 3 de 3
Trabalhando com dados ausentes	Objetivo: Realizar cálculos estatísticos em dados com valores omissos. Identifique, remova e substitua os valores ausentes em um conjunto de dados. • Localizando valores ausentes • Ignorando, removendo e substituindo valores ausentes
Customizando Gráficos	Objetivo: Criar gráficos que incluam vários componentes gráficos. Use técnicas de cor, texto e manipulação de dados para produzir visualizações atraentes. • Trabalhando com a hierarquia de gráficos do MATLAB • Acessando e modificando componentes gráficos individuais • Gerenciando tabelas gráficas
Ajustando Modelos aos Dados Empíricos	Objetivo: Pré-processar dados antes do ajuste do modelo. Ajustar distribuições de probabilidade e modelos lineares aos dados. Gere números aleatórios a partir de uma distribuição teórica ou ajustada. • Ajustando modelos de regressão linear • Distribuindo distribuições de probabilidade • Simulação de ajustes de distribuição
Aumento da automação com funções	Objetivo: Aumentar a automação encapsulando tarefas modulares como funções definidas pelo usuário. Entenda como o MATLAB resolve referências a arquivos e variáveis. Explore as ferramentas do MATLAB para depuração de código. • Criando e chamando funções • Gerenciando dados em espaços de trabalho • Escrever arquivos de código de texto simples • Gerenciando o caminho do MATLAB • Depurando arquivos de código • Simplificação de interfaces usando estruturas

MATLAB Fundamentals

Dia 1 de 3
Trabalhando com a interface do usuário do MATLAB	Objetivo: Familiarize-se com os principais recursos do ambiente de design integrado do MATLAB e suas interfaces de usuário. Obtenha uma visão geral dos temas do curso. o Lendo dados de arquivos o Salvando e carregando variáveis o Plotar dados o Personalização de plotagens o Exportando gráficos para uso em outros aplicativos
Variáveis e Comandos	Objetivo: Digite os comandos do MATLAB, com ênfase na criação de variáveis, no acesso e manipulação de dados em variáveis e na criação de visualizações básicas. Colete comandos do MATLAB em scripts para facilitar a reprodução e a experimentação. o Inserindo comandos o Criando variáveis numéricas e de caracteres o Fazer e anotar lotes o Conseguindo ajuda o Criando e executando scripts ao vivo
Análise e Visualização com Vetores	Objetivo: Realize cálculos matemáticos e estatísticos com vetores. Use a sintaxe do MATLAB para executar cálculos em conjuntos de dados inteiros com um único comando. Organize scripts em seções lógicas para desenvolvimento, manutenção e publicação. o Realizando cálculos com vetores o Acessando e modificando valores em vetores o Formatando e compartilhando scripts ao vivo

Dia 2 de 3
Análise e Visualização com Matrizes	Objetivo: Use matrizes como objetos matemáticos ou como coleções de dados (vetoriais). Entenda o uso apropriado da sintaxe do MATLAB para distinguir entre esses aplicativos. o Criando e manipulando matrizes o Realizando cálculos com matrizes o Calculando estatísticas com dados matriciais o Visualizando dados da matriz
Tabelas de Dados	Objetivo: Importar dados como uma tabela MATLAB. Trabalhe com dados armazenados como uma tabela. o Armazenando dados como uma tabela o Operando em mesas o Extrair dados de tabelas o Modificando tabelas
Seleção condicional de dados	Objetivo: Extraia e analise subconjuntos de dados que satisfaçam determinados critérios. o Operações lógicas e variáveis o Encontrar e contar o indexação lógica
Organizando dados	Objetivo: Organize os dados da tabela para análise. Representar dados usando tipos de dados MATLAB nativos apropriados. o Combinando tabelas de dados o Metadados da tabela o Datas e durações o Categorias discretas

Dia 3 de 3
Analisando Dados	Objetivo: Execute tarefas típicas de análise de dados no MATLAB, incluindo a importação de dados de arquivos, o pré-processamento de dados, a adaptação de um modelo a dados e a criação de uma visualização personalizada do modelo. o Importando de planilhas e arquivos de texto delimitados o Lidando com dados perdidos o Funções de plotagem o Personalização de plotagem
Aumento da automação com construções de programação	Objetivo: Crie código flexível que possa interagir com o usuário, tomar decisões e se adaptar a diferentes situações. o Construções de programação o Interação com o usuário o Ramificação de decisão o Rotações
Aumento da automação com funções	Objetivo: Aumente a automação encapsulando tarefas modulares como funções definidas pelo usuário. Entenda como o MATLAB resolve referências a arquivos e variáveis. Use ferramentas de desenvolvimento do MATLAB para localizar e corrigir problemas com código. o Criando funções o Funções de chamada o Configurando o caminho do MATLAB o Depurando com o MATLAB Editor o Usando pontos de interrupção o Criando e usando estruturas

Família de Produtos MATLAB

Família de Produtos Simulink

Família de Produtos Cradle

Licença para todo o Campus

Artigos

0

Energias renováveis: como aproveitar melhor?

Publicado por:admin

04/10/2019

categoria:Energia, Home

Automação, Home, Indústria 4.0, Por Dentro da OPEN |

17/09/2019

Smart Manufacturing e IoT

Home, Uncategorized |

12/09/2019

Machine Learning ou Deep Learning?

Home, Uncategorized |

11/09/2019

BIG DATA: a arte de transformar dados em lucros

Home, Por Dentro da OPEN |

04/09/2019

OPENCADD apoia presença feminina no mercado de trabalho

Home, Mundo Acadêmico, Por Dentro da OPEN |

02/09/2019

Semana Integrada de Engenharia na PUC-RIO prova que o uso do MATLAB® e do Simulink® são importantes para a qualificação profissional

Webinar |

22/08/2019

26/09/2019 – Processamento de Nuvem de Pontos de LiDAR em MATLAB

Webinar |

22/08/2019

19/09/2019 – Integração de Energias Renováveis com a família Simscape

Webinar |

21/08/2019

05/09/2019 – Arquitetura de software e sistemas: análise e projeto com o System Composer

Webinar |

09/08/2019

13/06/19 – Simulink e Hardware de Baixo Custo (Arduino)

Entrar na conta

Família de Produtos MATLAB

Família de Produtos Simulink

Família de Produtos Cradle

Licença para todo o Campus

Artigos

Publicado por:admin

categoria:Energia, Home

Automação, Home, Indústria 4.0, Por Dentro da OPEN |

Home, Uncategorized |

Home, Uncategorized |

Home, Por Dentro da OPEN |

Home, Mundo Acadêmico, Por Dentro da OPEN |

Webinar |

Webinar |

Webinar |

Webinar |

Cadastre-se em nossa Newsletter para receber notícias sobre artigos e Webinars!