故障诊断，时域特征提取，包含有量纲参数和无量纲参数，一共17个特征参数值；频域特征提取，一共3个特征参数值；时频域特征提取，一共18个特征参数值；所有matlab程序代码均有详细注解说明，直接代入原始数据运行即可得到结果。

对信号进行频域特征提取，先通过傅里叶变换得到信号频谱，再计算频谱特征，包括重心频率，均方频率和频率方差

利用matlab提取出频域和时域信号的29个特征，主运行文件feature_extraction，fre_statistical_compute和time_statistical_compute分别提取频域和时域的特征，生成的29个特征保存在生成的feature矩阵中。

针对信号的时域特征和频域特征提取，带测试数据，能够运行

主要是用于信号特征提取中的时频域特征提取

利用matlab提取出频域和时域信号的29个特征

目前支持进行提取的特征包括： 1.max ：最大值 2.min ：最小值 3. mean ：平均值 4.peak ：峰峰值 5.arv ：整流平均值 6.var ：方差 7.std ：标准差 8.kurtosis ：峭度 9.skewness ：偏度 10.rms ：均方根 11.waveformF ：波形因子 12.peakF ：峰值因子 13.impulseF ：脉冲因子 14.clearanceF：裕度因子 15.FC：重心频率 16.MSF：均方频率 17.RMSF：均方根频率 18.VF：频率方差 19.RVF：频率标准差 20.SKMean：谱峭度的均值 21.SKStd：谱峭度的标准差 22.SKSkewness：谱峭度的偏度 23.SKKurtosis：谱峭度的峭度 function fea = genFeatureTF(data,fs,featureNamesCell) % 时域、频域相关算法的信号特征提取函数

视频代码与数据下载地址

MATLAB时频域特征提取已封装为函数，可实现一行代码提取时域频域特征。亲测好用！ 可以直接生成原始信号的特征向量。包括以下22个特征： % max ：最大值 % min ：最小值 % mean ：平均值 % peak ：峰峰值 % arv ：整流平均值 % var ：方差 % std ：标准差 % kurtosis ：峭度 % skewness ：偏度 % rms ：均方根 % waveformF ：波形因子 % peakF ：峰值因子 % impulseF ：脉冲因子 % clearanceF：裕度因子 % FC：重心频率 % MSF：均方频率 % RMSF：均方根频率 % VF：频率方差 % RVF：频率标准差 % psdE：功率谱熵 % svdpE：奇异谱熵 % eE：能量熵 %

提出了一种基于时频域特征的情绪检测方法。使用Box-and-whisker plot（箱线图）选择最佳特征，然后将其输入SVM分类器，用于训练和测试DEAP数据集，其中考虑了32名不同性别和年龄组的参与者。实验结果表明，该方法对测试数据集的准确率为92.36%。此外，所提出的方法比最先进的方法表现出更高的准确性。 本文利用DEAP数据集预处理的脑电信号对两种维度进行四分类，即效价和觉醒。首先通过应用FFT将数据集中的样本从时域转移到频域，然后提取对情绪识别特别重要的α、β和θ频带。随后，根据每个情绪对应的象限对提取的频带进行平均，并使用平均频带值提取统计特征。然后，对提取的特征进行缩放，并将各种特征组合输入支持向量机分类器（SVM）进行情感识别。据观察，我们的方法使用偏度、峰度和波熵特征预测情绪，准确率为92.36%。与现有的DEAP数据集方法相比，我们提出的模型显示了更好的结果。