%数据时域特征提取 clc; close ; clear all; %数据导入 data=xlsread('E:\排球\原始数据 z方向.xlsx',1)';
%初始参数设置 [m,n]=size(data); D=[]; DA=[]; %求解特征 for i=1:1:m d=data(i,:)
d=d(~isnan(d));%去除NAN值 ave=mean(d);%均值 u=std(d);%标准差 time=length(d);%时间
theta=var(d);%方差 area=sum(abs(d));%面积 maxv=max(d);%最大值 minv=min(d);%最小值
[dd,minp,maxp]=premnmx(d); %求解信息熵 entropy=yyshang(dd,9);%信息熵
D=[D;ave;maxv;minv;u;area;time;theta;entropy]; DA=[DA,D]; D=[]; end DA=DA';
其中yyshang是求解熵的函数,代码如下
function Hx=yyshang(y,duan) %不以原信号为参考的时间域的信号熵 %输入:maxf:原信号的能量谱中能量最大的点
%y:待求信息熵的序列 %duan:待求信息熵的序列要被分块的块数 %Hx:y的信息熵
%duan=10;%将序列按duan数等分,如果duan=10,就将序列分为10等份 x_min=min(y); x_max=max(y);
maxf(1)=abs(x_max-x_min); maxf(2)=x_min; duan_t=1.0/duan;
jiange=maxf(1)*duan_t; % for i=1:10 %
pnum(i)=length(find((y_p>=(i-1)*jiange)&(y_p<i*jiange))); % end
pnum(1)=length(find(y<maxf(2)+jiange)); for i=2:duan-1
pnum(i)=length(find((y>=maxf(2)+(i-1)*jiange)&(y<maxf(2)+i*jiange))); end
pnum(duan)=length(find(y>=maxf(2)+(duan-1)*jiange)); %sum(pnum)
ppnum=pnum/sum(pnum);%每段出现的概率 %sum(ppnum) Hx=0; for i=1:duan if ppnum(i)==0
Hi=0; else Hi=-ppnum(i)*log2(ppnum(i)); end Hx=Hx+Hi; end end
 

 

 

 

 

技术
©2019-2020 Toolsou All rights reserved,
基于神经网络的车辆牌照字符识别技术Java基础(三) String深度解析 dedecms网站被黑 劫持到其他网站如何解决精准手机号抓取,运营商大数据利用梆梆加固逻辑漏洞取巧脱壳QT 删除目录及文件Java小明A+B苹果不送充填器耳机真为环保?可能还是为了赚钱吧在Pytorch上使用summaryC#中字典的排序方法