matlab时域频域信号特征提取资料整合

1 前言

最近在做一个项目，需要将声纳信号中的特征都提取出来进行分析。资料查到头秃终于整合出来了些东西，记录一下。

由于不是专业人员，如果发现任何错误请不要大意的附在评论区，我会及时修改，谢谢！

2 思路

思路这段引用自知乎大佬aresmiki的回答，我觉得OK。

1、首先，在特征提取之前需楼主明确是怎样的信号，怎样的应用，怎样的场景，因为针对不同应用和场景选择的特征提取也不近相同。

2、信号特征的提取往往都是用最简单有效的参数表示信号中的信息，这是根本目的。

3、针对不同后端模型需要确定特征维度。

4、开始特征提取前，信号往往需要做一些预处理，如滤波、去均值、去异常等等。

特征提取有哪些方法：

1、拿到时间域一维信号，简单统计和运算可以得到的特征有：均值，方差，均方根，峰值因子，峭度系数，波形因子，裕度因子、脉冲因子。

2、估计--分布参数一般服从某一类分布；

3、频域，特征频率，均方频率，重心频率，频率方差；

4、小波方法提取的系数，小波滤波后的特征频率等等；

5、信号熵，谱熵，排列熵，小波熵，EMD熵，包络谱熵等；

6、谱峭度，快速谱峭度、小波谱峭度等；

7、基于数学工具和降维的特征，如PCA，矩阵特征向量，矩阵的秩，特征根，SVD-奇异值、ICA等等；

8、一些基于距离的度量、范数、马氏距离、分形参数，同胚流行等等；

9、任何能表征信号特征的自定义参数均可以，注意有意义有时是结合实际需求的。

3 预处理

matlab的波形预处理还是很人性化的，具体说来“Signal Analyzer”工具箱好像就够用了，至于其他的工具箱大家也可以看看。

这个工具箱在matlab顶上点选【APP】之后能找到，它的教程在官网上也很清楚了，传送门附上：点我传送

这个网站里关于“Signal Analyzer”工具箱的使用教程在【使用Signal Analyzer App】超链接下。其他超链接里的内容也可以逛逛，说不定对你有些启发。

下面的代码可以参考：

%%  初始化
clear
clc

%%  读取文件
[sonar,fs] = audioread('test.wav');    %采样频率

%%  滤波处理
sonar = sonar - mean(sonar);    %去直流分量
sonar = lowpass(sonar,0.5,'Steepness',0.85,'StopbandAttenuation',60);       %低通滤波
sonar = highpass(sonar,0.5,'Steepness',0.85,'StopbandAttenuation',60);      %高通滤波

4 时域特征提取

%%  数据特征提取
[nframes,nchannels] = size(sonar);  %采样点数与声道数
time = nframes / fs;   %采样时间 = 采样总点数 / 每秒采样点数

%%  双声道时域信息提取
max_data = max(sonar);   %最大值
min_data = min(sonar);   %最小值
median_data = median(sonar);    %中位数
mean_data = mean(sonar);     %平均值
pk_data = max_data - min_data;     %峰差
avg_data = mean(abs(sonar));     %整流平均值_绝对值的平均值
var_data = var(sonar);      %方差
sd_data = std(sonar);    %标准差
ku_data = kurtosis(sonar);      %峭度
sk_data = skewness(sonar);      %偏度
rm_data = rms(sonar);       %均方根

%%  左声道时域
l_max = max_data(1);
l_min = min_data(1);
l_median = median_data(1);
l_mean = mean_data(1);
l_pk = pk_data(1);
l_avg = avg_data(1);
l_var = var_data(1);
l_sd = sd_data(1);
l_ku = ku_data(1);
l_sk = sk_data(1);
l_rm = rm_data(1);
l_S = l_rm / l_avg;    %均方根因子
l_C = l_pk / l_rm;     %峰值因子
l_I = l_pk / l_avg;    %脉冲因子
l_xr = mean(sqrt(abs(sonar(1))))^2;
l_L =  l_pk/ l_xr;     %裕度因子

%%  右声道频域
r_max = max_data(2);
r_min = min_data(2);
r_median = median_data(2);
r_mean = mean_data(2);
r_pk = pk_data(2);
r_avg = avg_data(2);
r_var = var_data(2);
r_sd = sd_data(2);
r_ku = ku_data(2);
r_sk = sk_data(2);
r_rm = rm_data(2);
r_S = r_rm / r_avg;    %均方根因子
r_C = r_pk / r_rm;     %峰值因子
r_I = r_pk / r_avg;    %脉冲因子
r_xr = mean(sqrt(abs(sonar(2))))^2;
r_L =  r_pk/ r_xr;     %裕度因子

5 频域特征提取

这块写的我也没啥自信了，毕竟是根据网上东拼西凑的资料写出来的。

%%  双声道频域信息提取
[fft_sonar,f_range] = positiveFFT(sonar,fs);  
N = length(fft_sonar);      %fft采样点数
subplot(5,2,5);
fft_amp = abs(fft_sonar);   %振幅(幅频特性)
stem(f_range,fft_amp);  %x-正频率;y-振幅
title('频域声纳波形');
fft_phase = angle(fft_sonar);   %相频特性
subplot(5,2,6);
plot(f_range,fft_phase);
title('相频特性图')

amp_max = max(fft_amp);     %振幅最大值
amp_min = min(fft_amp);     %振幅最小值
amp_median = median(fft_amp);   %振幅中位数
amp_mean = mean(fft_amp);       %振幅平均值
amp_pk = amp_max - amp_min;     %振幅峰差
amp_mph = amp_pk * 0.75;           %振幅峰值阈值，阈值为75%的振幅峰差
%[amp_pkfs,amp_pks] = findpeaks(fft_amp,'minpeakheight',amp_mph);
%amp_pkfs = amp_pkfs / N * fs/2;
amp_pks = [];   %振幅峰值
amp_pkfs = [];  %振幅峰值对应的频率
for i = 1:N
    if amp_mph < fft_amp(i)
        amp_pks = [amp_pks,fft_amp(i)];
        amp_pkfs = [amp_pkfs,i / N * fs / 2];
    end
end

avg_fs = fs*[1:N] / N;
avg_fft = 2 * fft_amp / N;

amp_fc = sum(avg_fs .* avg_fft) / sum(avg_fft);     %重心频率
amp_msf = sum(avg_fs.^2 .* avg_fft) / sum(avg_fft);    %均方频率
amp_rmsf = sqrt(amp_msf);   %均方根频率
amp_vf = sum((avg_fs - amp_fc).^2 .* avg_fft) / sum(avg_fft);  %频率方差
amp_rvf = sqrt(amp_vf);     %频率标准差

6 功率谱

%%  双声道功率谱信息提取
power = abs(fft_sonar).^2 / N;      %功率 = 傅里叶变换^2 / 区间长度,fft的幂
subplot(5,2,7);
plot(f_range,power);
title('功率谱');
power_y = 10*log10(power);      %放大低频
power_y(1) = mean(power_y);     %去除直流影响
subplot(5,2,8);
plot(f_range,power_y);
title('放大低频的功率谱');

power_max = max(power);     %功率最大值
power_min = min(power);     %功率最小值
power_median = median(power);       %功率中位数
power_mean = mean(power);           %功率平均值
power_snr = 10*log10(power_max / (sum(power) - power_max));     %信噪比
power_obw = obw(sonar,fs);      %占用带宽

7 倒谱

%%  双声道倒频谱信息提取
cepstrum = real(ifft(log(abs(fft(sonar(:,1))))));
during_time = 1/fs:1/fs:time;
subplot(5,2,9);
plot(during_time,cepstrum,'color',[29/255 176/255 184/255]);ylim([0 0.01]);
title('左声道倒频谱');
cepstrum = real(ifft(log(abs(fft(sonar(:,2))))));
during_time = 1/fs:1/fs:time;
subplot(5,2,10);
plot(during_time,cepstrum,'color',[86/255 163/255 108/255]);ylim([0 0.01]);
title('右声道倒频谱');