fengzhuqiaoqiu的博客

理论部分见这里：https://blog.csdn.net/fengzhuqiaoqiu/article/details/128225117 笔者改造了wden、thselect和wthresh三个函数文件，并进一步封装成filterWaveletTh函数，延续本专栏中以往代码的风格，实现“一行代码”完成小波阈值去噪的效果。当然啦，这里所说的“一行代码”还需要配合一些参数的设置。

该资源为试用版代码~ 一行代码快速实现特征提取！ 理论讲解：https://blog.csdn.net/fengzhuqiaoqiu/article/details/124979190?spm=1001.2014.3001.5501 function fea = genFeatureEn(data,featureNamesCell,options) % 特征提取函数 % 输入： % data：待特征提取的时域信号，可以是二维数据，行列方向不可出错 % options：其他设置，使用结构体的方式导入。 % featureNamesCell：拟进行特征提取的特征名称，该变量为cell类型，其中包含的特征名称为字符串，特征名称需要在下边列表中： % 目前支持的特征（2022.7.10，共8种）： % psdE：功率谱熵 % svdpE：奇异谱熵 % eE：能量熵 % ApEn：近似熵 % SampleEn：样本熵 % FuzzyEn：模糊熵 % PerEn：排列熵

目前支持进行提取的特征包括： 1.max ：最大值 2.min ：最小值 3. mean ：平均值 4.peak ：峰峰值 5.arv ：整流平均值 6.var ：方差 7.std ：标准差 8.kurtosis ：峭度 9.skewness ：偏度 10.rms ：均方根 11.waveformF ：波形因子 12.peakF ：峰值因子 13.impulseF ：脉冲因子 14.clearanceF：裕度因子 15.FC：重心频率 16.MSF：均方频率 17.RMSF：均方根频率 18.VF：频率方差 19.RVF：频率标准差 20.SKMean：谱峭度的均值 21.SKStd：谱峭度的标准差 22.SKSkewness：谱峭度的偏度 23.SKKurtosis：谱峭度的峭度 function fea = genFeatureTF(data,fs,featureNamesCell) % 时域、频域相关算法的信号特征提取函数

神经网络15分钟入门！使用python从零开始写一个两层神经网络。代码讲解见知乎专栏“与信号处理相关的那些东东”，或者微信公众号“括号的城堡”

MATLAB上需要用到的EMD，pack_emd，和TFTB三个库，以及HHT变换官方提供的介绍ppt

function BackData = ReadTDMSData(ChanNum,StartNum,NumToGet,filefolder,filepath) %参数依次为：通道号/开始数据号/结束数据号/文件路径/文件名 对NI官方给出的函数做了修改，直接返回数据值。需要放在ni官方文档中运行，需要改nilibddc.dll和nilibddc_m.h路径

stm32f4xx挂载SD卡程序，可以正常读写

单片机机选型手册集合(8bit)STM8、PIC、C8051F、STC 一些比较初级的芯片汇总。