实现信号分类的matlab代码

信号分类是一个很广泛的领域，需要根据具体的信号类型和分类任务进行具体的算法设计和实现。以下是一个简单的示例，用于对带噪声的正弦信号进行分类，分为三类：低频、中频和高频。

% 生成带噪声的正弦信号
fs = 1000; % 采样频率
t = 0:1/fs:1-1/fs; % 时间序列
f1 = 50; % 低频信号
f2 = 200; % 中频信号
f3 = 400; % 高频信号
s1 = 0.5*sin(2*pi*f1*t); % 低频正弦信号
s2 = 0.7*sin(2*pi*f2*t); % 中频正弦信号
s3 = 0.9*sin(2*pi*f3*t); % 高频正弦信号
noise = randn(size(t)); % 高斯白噪声
signal = s1 + s2 + s3 + noise; % 加入噪声后的信号

% 特征提取
window_length = 50; % 窗口长度
overlap = 0.5; % 窗口重叠比例
nfft = 512; % FFT点数
spectrogram(signal, window_length, round(overlap*window_length), nfft, fs, 'yaxis'); % 绘制信号的时频图
features = zeros(3, 1);
features(1) = sum(abs(fft(s1, nfft)).^2); % 低频信号的能量
features(2) = sum(abs(fft(s2, nfft)).^2); % 中频信号的能量
features(3) = sum(abs(fft(s3, nfft)).^2); % 高频信号的能量

% 分类
[~, class] = max(features); % 选取能量最大的类别作为分类结果
disp(['Class: ', num2str(class)]);

上述代码中，我们首先生成了一个带噪声的正弦信号，并通过时频图观察该信号的频域特征。然后，我们针对低频、中频和高频三类信号分别计算了信号能量作为特征，并通过比较这些特征值的大小来进行分类。这是一个非常简单的分类示例，实际应用中需要根据具体情况进行算法设计和实现。