python实现信号时域统计特征提取代码_eeg特征提取python - CSDN文库

1星 27 浏览量更新于2023-05-10 评论 4 收藏 101KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

python实现信号时域统计特征提取代码实现信号时域统计特征提取代码

今天小编就为大家分享一篇python实现信号时域统计特征提取代码，具有很好的参考价值，希望对大家有所帮

助。一起跟随小编过来看看吧

1.实验数据需求实验数据需求

为了对采集的压力实验数据做特征工程，需要对信号进行时域的统计特征提取，包含了均值、均方根、偏度、峭度、波形因

子、波峰因子、脉冲因子、峭度因子等，现用python对其进行实现。

2.python实现实现

其中的输入参数含义：

① data:实验数据的DataFrame

② p1:所截取实验信号的起始采样点位置

③ p2:所截取实验信号的终止采样点位置

from pandas import Series

import math

pstf_list=[]

def psfeatureTime(data,p1,p2):

#均值

df_mean=data[p1:p2].mean()

#方差

df_var=data[p1:p2].var()

#标准差

df_std=data[p1:p2].std()

#均方根

df_rms=math.sqrt(pow(df_mean,2) + pow(df_std,2))

#偏度

df_skew=data[p1:p2].skew()

#峭度

df_kurt=data[p1:p2].kurt()

sum=0

for i in range(p1,p2):

sum+=math.sqrt(abs(data[i]))

#波形因子

df_boxing=df_rms / (abs(data[p1:p2]).mean())

#峰值因子

df_fengzhi=(max(data[p1:p2])) / df_rms

#脉冲因子

df_maichong=(max(data[p1:p2])) / (abs(data[p1:p2]).mean())

#裕度因子

df_yudu=(max(data[p1:p2])) / pow((sum/(p2-p1)),2)

featuretime_list = [df_mean,df_rms,df_skew,df_kurt,df_boxing,df_fengzhi,df_maichong,df_yudu]

return featuretime_list

3.结果与说明结果与说明

补充拓展：补充拓展：python数据结构与算法数据结构与算法--回溯算法详解回溯算法详解

回溯算法：一种优先搜索算法（试探法）；按优条件向前搜索，以达目标；当试探到某步，发现原来选择并不好（走不通），回溯算法：一种优先搜索算法（试探法）；按优条件向前搜索，以达目标；当试探到某步，发现原来选择并不好（走不通），

就退回重新选择。就退回重新选择。

回溯算法的一般步骤：1：定义问题的解空间（搜索中动态生成）；2：确定易搜索的解空间结构（一般为树形结构或图）；

3：以深度优先的方式搜索解空间，搜索中用剪枝函数避免无效搜索。

剪枝函数：1：用约束函数在扩展节点处减去不满足约束条件的子树；2：用限界函数减去不能得到最优解的子树。

回溯法：实战

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余4页未读，立即下载

评论1

雪兰灵莹

2021-06-21

微博上抄的，根本用不成

weixin_38530846

粉丝: 5
资源: 930

会员权益专享

图片转文字

全年可省5，000元立即开通

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈