一行代码快速实现特征提取！
理论讲解：https://blog.csdn.net/fengzhuqiaoqiu/article/details/124979190?spm=1001.2014.3001.5501
function fea = genFeatureEn(data,featureNamesCell,options)
% 特征提取函数
% 输入：
% data：待特征提取的时域信号，可以是二维数据，行列方向不可出错
% options：其他设置，使用结构体的方式导入。
% featureNamesCell：拟进行特征提取的特征名称，该变量为cell类型，其中包含的特征名称为字符串，特征名称需要在下边列表中：
% 目前支持的特征（2022.7.10，共8种）：
% psdE：功率谱熵
% svdpE：奇异谱熵
% eE：能量熵
% ApEn：近似熵
% SampleEn：样本熵
% FuzzyEn：模糊熵
% PerEn：排列熵
% enveEn：包络熵
2022-07-22 18:25:57
16KB
1
一、脑电信号特点及一般处理流程
脑电信号特点：
随机性及非平稳性相当强。人脑是一个庞大而复杂的系统，按生理功能可分为许多基本环节，这些基本环节的生理活动相互影响、相互渗透地交织在一起，而其中存在的联系、制约关系及活动规律还没有被我们清楚地认识。因而，脑电信号表现出明显的随机性，一般不能用数学函数来准确表达，它们的规律主要从大量的统计结果中反映出来。
脑电信号具有非线性。脑电信号是大脑中各种神经元之间相互作用的信号的复杂组合，组合的非线性导致脑电信号具有非线性的特点。
信噪比低。在维持正常生理活动的条件下，生物体的各个基本系统之间存在着有机的联系，因而在脑电信号中存在着严重的背景噪声，而且噪声常常超过信号，导致信噪比很低。
信号微弱。人体脑电信号的强度很微弱，一般在微、毫伏级。
2022-07-18 10:14:22
987KB
1
人工智人-家居设计-机械故障诊断的高效特征提取和混合智能识别技术研究.pdf
2022-07-12 09:04:13
12MB