编写谱熵法进行端点检测的python函数

以下是使用谱熵法进行端点检测的Python函数的示例：

import numpy as np
import scipy.signal as signal

def spectral_entropy(signal, sf, nperseg=256, noverlap=None, nfft=None, method='fft'):
    """
    使用谱熵法计算信号的谱熵值。

    参数：
    signal：信号数据，可以是列表、数组或其他序列类型。
    sf：采样频率，单位为Hz。
    nperseg：每个段的长度，默认为256。
    noverlap：段之间的重叠长度，默认为nperseg/2。
    nfft：FFT的长度，默认为None，即使用nperseg。
    method：计算FFT的方法，默认为'fft'，可选'welch'。

    返回：
    spectral_entropy：信号的谱熵值。
    """

    # 计算信号的功率谱密度
    if method == 'fft':
        f, Pxx = signal.periodogram(signal, sf, nfft=nfft)
    elif method == 'welch':
        f, Pxx = signal.welch(signal, sf, nperseg=nperseg, noverlap=noverlap, nfft=nfft)
    else:
        raise ValueError("method must be 'fft' or 'welch'")

    # 将功率谱密度归一化
    Pxx_norm = Pxx / np.sum(Pxx)

    # 计算谱熵值
    spectral_entropy = -np.sum(Pxx_norm * np.log2(Pxx_norm))

    return spectral_entropy


def endpoint_detection(signal, sf, window_size=0.1, threshold=1.5, method='fft'):
    """
    使用谱熵法进行端点检测。

    参数：
    signal：信号数据，可以是列表、数组或其他序列类型。
    sf：采样频率，单位为Hz。
    window_size：用于计算谱熵的窗口大小，默认为0.1秒。
    threshold：用于判断是否是端点的阈值，默认为1.5。
    method：计算FFT的方法，默认为'fft'，可选'welch'。

    返回：
    endpoints：信号的端点位置，以样本数表示。
    """

    # 计算窗口大小和重叠长度
    nperseg = int(round(window_size * sf))
    noverlap = int(round(nperseg / 2))

    # 计算谱熵序列
    spectral_entropies = []
    for i in range(0, len(signal) - nperseg + 1, noverlap):
        spectral_entropy_i = spectral_entropy(signal[i:i+nperseg], sf, nperseg=nperseg, noverlap=noverlap, method=method)
        spectral_entropies.append(spectral_entropy_i)

    # 计算谱熵序列的均值和标准差
    mean_entropy = np.mean(spectral_entropies)
    std_entropy = np.std(spectral_entropies)

    # 计算阈值
    threshold = mean_entropy + threshold * std_entropy

    # 判断是否是端点
    is_endpoint = np.array(spectral_entropies > threshold)

    # 计算端点位置
    endpoints = []
    for i in range(1, len(is_endpoint)):
        if is_endpoint[i] and not is_endpoint[i-1]:
            endpoints.append(i*noverlap)

    return endpoints

使用方法：

# 生成测试信号
from scipy import signal as sig
import matplotlib.pyplot as plt

t = np.linspace(0, 1, 1000, endpoint=False)
signal1 = sig.sawtooth(2 * np.pi * 5 * t, width=0.5)
signal2 = sig.sawtooth(2 * np.pi * 10 * t, width=0.5)
signal3 = sig.sawtooth(2 * np.pi * 15 * t, width=0.5)
signal = np.concatenate([signal1, signal2, signal3])

# 进行端点检测
endpoints = endpoint_detection(signal, 1000, window_size=0.1, threshold=1.5, method='welch')

# 绘制信号和端点位置
plt.plot(t, signal)
plt.plot(np.array(endpoints)/1000, [0]*len(endpoints), 'ro')
plt.show()