描述性统计量
使用 findpeaks 定位信号的局部最大值，并按高度、宽度或相对高差对峰值进行排序。使用 peak2rms 函数确定信号的波峰因子，并计算常见的描述性统计量，如最大值、最小值、标准差和 RMS 水平。在更大的数据集中搜索感兴趣的信号，并按时间对齐信号。定位信号突然变化或漂移出目标范围的点。对信号添加标签以用于分析或机器和深度学习应用。
Python函数
网址：https://docs.scipy.org/doc/scipy/reference/signal.html#module-scipy.signal 描述：scipy.signal
| 序号 | 函数名 | 功能描述 |
|---|---|---|
| 1 | scipy.signal.argrelmin | 计算数据的相对最小值 |
| 2 | scipy.signal.argrelmax | 计算数据的相对最大值 |
| 3 | scipy.signal.argrelextrema | 计算数据的相对极值 |
| 4 | scipy.signal.find_peaks | 根据峰值属性查找信号内部的峰值 |
| 5 | scipy.signal.find_peaks_cwt | 使用小波变换查找一维数组中的峰值 |
| 6 | scipy.signal.peak_prominences | 计算信号中每个峰值的突出度 |
| 7 | scipy.signal.peak_widths | 计算信号中每个峰的宽度 |
Matlab函数
统计量
| 序号 | 函数名 | 功能描述 |
|---|---|---|
| 1 | envelope | 信号包络 |
| 2 | meanfreq | 平均频率 |
| 3 | medfreq | 中频 |
| 4 | peak2peak | 最大到最小差异 |
| 5 | peak2rms | 峰值幅度与RMS比 |
| 6 | rssq | 平方根级别 |
特征提取
| 序号 | 函数名 | 功能描述 |
|---|---|---|
| 1 | alignsignals | 通过延迟最早的信号来对齐两个信号 |
| 2 | cusum | 使用累积和检测均值的微小变化 |
| 3 | dtw | 使用动态时间扭曲的信号之间的距离 |
| 4 | edr | 编辑真实信号的距离 |
| 5 | findchangepts | 发现信号的突然变化 |
| 6 | finddelay | 估计信号之间的延迟 |
| 7 | findpeaks | 找到局部最大值 |
| 8 | findsignal | 使用相似性搜索查找信号位置 |
| 9 | signalFrequencyFeatureExtractor | 简化信号频率特征提取 |
| 10 | signalTimeFeatureExtractor | 简化信号时间特征提取 |
| 11 | zerocrossrate | 过零率 |
信号标注
| 序号 | 函数名 | 功能描述 |
|---|---|---|
| 1 | labeledSignalSet | 创建带标签的信号集 |
| 2 | signalLabelDefinition | 创建信号标签定义 |
| 3 | countlabels | 计算唯一标签的数量 |
| 4 | folders2labels | 从文件夹名称中获取标签列表 |
| 5 | splitlabels | 查找索引以根据指定比例拆分标签 |
| 6 | signalMask | 修改和转换信号掩码并提取感兴趣的信号区域 |
| 7 | binmask2sigroi | 将二进制掩码转换为ROI限制矩阵 |
| 8 | extendsigroi | 向左和向右扩展感兴趣的信号区域 |
| 9 | extractsigroi | 提取感兴趣的信号区域 |
| 10 | mergesigroi | 合并感兴趣的信号区域 |
| 11 | removesigroi | 去除感兴趣的信号区域 |
| 12 | shortensigroi | 从左右缩短感兴趣的信号区域 |
| 13 | sigroi2binmask | 将ROI限制矩阵转换为二进制掩码 |
主题
周期性波形的RMS值——求正弦波、方波和矩形脉冲串的均方根值。
在数据中查找峰值——定位一组数据中的局部最大值，并确定这些峰值是否周期性出现。
确定峰宽——创建由钟形曲线之和组成的信号。指定每条曲线的位置、高度和宽度。