6种频域特征提取的MATLAB代码实现（频域幅值平均值、重心频率、均方频率、频率方差、均方根频率、频率标准差）

最新推荐文章于 2024-06-22 19:48:18 发布
最新推荐文章于 2024-06-22 19:48:18 发布
阅读量1.6k 收藏 19
点赞数 11
文章标签： matlab 算法 人工智能 信号处理 时序数据库 支持向量机 数学建模
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_41361542/article/details/136479621
版权

目录

一、6种频域特征指标

二、6种频域特征指标特征提取MATLAB代码实现

（1）数据集介绍

（2）6种频域特征指标特征提取

 三、代码获取

一、6种频域特征指标​​​​​​​

频域幅值平均值反映振动能量的大小；重心频率、均方频率、频率方差、均方根频率反映主频带的位置；频率标准差反映频谱的分散或集中程度。

二、6种频域特征指标特征提取MATLAB代码实现

（1）数据集介绍

  数据集为轴承故障数据集（data.mat文件），这个data.mat文件包含1种轴承正常数据、9种轴承故障数据。每种类型的数据包含120个样本（前120个样本对应1种轴承正常数据，以此类推），采样频率12000Hz，数据集内容如下所示。

轴承故障数据时域图如下：

（2）6种频域特征指标特征提取

提取特征如下：

 三、代码获取

6种频域特征提取的MATLAB代码实现（频域幅值平均值、重心频率、均方频率、频率方差、均方根频率、频率标准差）

专注故障诊断
关注
  • 11
    点赞
  • 踩
  • 19
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
信号处理频域特征
weixin_39107270的博客
05-18 2615
倒频谱能较好地检测出功率谱上的周期成分，通常在功率谱上无法对边频的总体水平作出定量估计，而倒频谱对边频成分具有“概括”能力，能较明显地显示出功率谱上的周期成分，将原来谱上成族的边频带谱线简化为单根谱线，便于观察，而齿轮发生故障时的振动频谱具有的边频带一般都具有等间隔（故障频率）的结构，利用倒频谱这个优点，可以检测出功率谱中难以辨识的周期性信号。2.通常我们关心的都是正频率区间的结果，有两种截取方法，一种是在fftshift的结果中截后半段，一种是在fft的结果中截前半段，其结果是一样的。
时域和频域特征提取Matlab编程实例.docx
07-10
时域和频域特征提取Matlab编程实例.docx时域和频域特征提取Matlab编程实例.docx时域和频域特征提取Matlab编程实例.docx时域和频域特征提取Matlab编程实例.docx时域和频域特征提取Matlab编程实例.docx时域和频域特征提取Matlab编程实例.docx时域和频域特征提取Matlab编程实例.docx时域和频域特征提取Matlab编程实例.docx时域和频域特征提取Matlab编程实例.docx
时域、频域特征提取
06-28
提取数据的时域、频域指标，得到相应的时域和频域特征
特征提取（Feature Extraction）常见频域特征笔记（四）
天道酬勤
04-30 1130
频域特征是指将数据转换到频率域进行分析的特征。在频域分析中，我们可以看到信号在不同频率下的成分，这对于理解信号的周期性、周期性强度以及频率分布非常有用。常见的频域特征包括傅里叶变换、功率谱密度等。下面我会详细解释每个频域特征，并给出相应的Python代码。这些是常见的频域特征及其相应的Python实现。在信号处理和频域分析中，这些特征对于理解信号的频率成分、周期性以及能量分布非常重要。
频域统计特征介绍
zailushag的博客
01-14 1万+
频域特征介绍 频域是通过傅里叶变换将时域进行变换，傅里叶变换具体请看https://blog.csdn.net/l494926429/article/details/51818012/，这是一位大牛，解释的很清除并且易懂。
Matlab时域频域信号特征提取代码：时域特征、频域特征、时频域特征的提取与应用
RQBIoslnSCZ的博客
04-24 978
总之，Matlab提供了强大的功能和丰富的工具，用于时域、频域和时频域信号特征的提取。在实际应用中，我们可以根据具体问题的需求，选择适合的特征和算法，并结合实际数据进行分析和验证，以获得准确可靠的结果。时频域特征在机器学习分类和回归问题中有广泛的应用，因为它们能够提供更多的信号信息，并且可以直接生成特征向量，方便后续的模型训练和预测。（时域特征:均值，标准差，方差，峰峰值，均方根值，偏度系数，峭度系数，波形因子，峰值因子，脉冲因子，裕度因子；可以直接生成特征向量。提取时域特征，频域特征，和时频域特征的。
频域特征值提取的MATLAB代码实现（频谱、功率谱、倒频谱）
fengzhuqiaoqiu的博客
09-22 4万+
本篇文章是信号的各种频域分析方法的理解（频谱、能量谱、功率谱、倒频谱、小波分析的后续，对文章中提到的频域分析方法进行代码实现。 时域特征值的代码实现可以参考：时域特征值提取的MATLAB代码实现（均方根、峰值因子、脉冲因子、裕度因子、峭度因子、波形因子和偏度等） 文章如要转载请私信与我联系，并注明来源知乎专栏与信号处理有关的那些东东作者Mr.括号。 一、频谱 频谱用到的函数主要是fft和f...
时序信号的时域、频域、时-频域特征提取
华少的博客
12-28 2万+
工业时序信号的时域、频域和时-频域特征提取方法总结
matlab时域频域信号特征提取资料整合
Tai_Park
09-28 3万+
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。 ...
时频域统计特征提取
qq_37240982的博客
07-18 1万+
时频域特征提取可以在时频域提取出待测样本数据多个统计特征值，如小波奇异熵等。旋转机械故障时的振动大多数信号是非平稳信号[23]。减速器关键部件的工作环境通常是复杂且多变的，因此加速度传感器测得的振动信号通常具有非平稳、随时间变化的特点。时域或频域中的传统统计特性通常描述了整个减速器关键部件的运行状态，无法观察非平稳振动信号的频率随时间变化的信息，不能局部分析振动信号，即时间频率分辨率不高。而借助时频域分析这一参数提取方法可以确定主减速器的健康状况信息。减速器中关键部件特征提取的时频分析的关键是在小范围内观察
频域特征值MATLAB程序
01-19
频域特征值包括频域内的中值频率，平均能量，平均功率等
时域频域29个特征提取.zip
09-08
提取信号时域，频域特征共29维。可以用来进行信号分析
信号去趋势去噪时域频域特征提取
06-19
音频循环导入；预处理：去趋势，去噪；特征提取：时域频域特征
matlab时域频域特征提取.zip
11-26
基于matlab时域频域特征提取，供大家学习参考！ 提取信号时域，频域特征共29维。可以用来进行信号分析
频域特征指标及其MATLAB代码实现（重心频率、均方频率、均方根频率、频率方差、频率标准差）
fengzhuqiaoqiu的博客
10-31 2万+
以前我们梳理过常用的有量纲时域特征指标和无量纲时域特征指标，其实特征提取方法中，一些频谱特征指标也是十分有用的。 下述频域特征指标是根据信号的功率谱求得的。在故障诊断或者其他应用场景下，可以与时域指标以及其他指标一同作为特征向量的一部分，丰富特征量种类，提升诊断正确率。 1.理论介绍 1.0.功率谱 功率谱的相关介绍在之前讲到过： Mr.看海：信号频域分析方法的理解（频谱、能量谱、功率谱、倒频谱、小波分析） 下述频域特征都是在功率谱基础上计算求得的，但是为什么不用频谱呢？个人认为是因为功率谱
Matlab代码实现时频域信号特征提取，适用于机器学习分类回归问题，Matlab时域频域信号特征提取代码：时域特征、频域特征、时频域特征的提取与应用
最新发布
NFUNAKOy的博客
06-22 493
综上所述，通过本文介绍的Matlab时域频域信号特征提取代码，可以方便地提取信号的时域特征、频域特征和时频域特征，并生成对应的特征向量。常见的时域特征有均值、标准差、方差、峰峰值、均方根值、偏度系数、峭度系数、波形因子、峰值因子、脉冲因子和裕度因子等。（时域特征:均值，标准差，方差，峰峰值，均方根值，偏度系数，峭度系数，波形因子，峰值因子，脉冲因子，裕度因子；频域特征:重心频率，均方频率，均方根频率，频率方差，频率标准差；提取时域特征，频域特征，和时频域特征的。时域特征，频域特征，时频域特征，
MATLAB图像处理-特征提取
qq_37400096的博客
04-01 2万+
1.图像的边缘检测原理 图像的边缘是指其周围像素灰度急剧变化的那些像素的集合
机械振动信号13个频域指标
wfj的博客
12-27 1万+
频域统计指标计算公式 振动信号频域分析首先需要把信号的时域波形借助离散傅里叶变换转化为频谱信息，公式如下： 式中：x(kΔt)x(k\Delta t)x(kΔt)为振动信号的采样值；NNN为采样点数；Δt\Delta tΔt为采样间隔；kkk为时域离散值的序号。 求得频谱信息后，可根据频域统计指标公式计算相应的值，公式如下： python程序 def get_fre_domain_feeatures(f,y): fre_line_num = len(y) p1 = y.mean()
如何使用matlab进行频域分析
热门推荐
greedyhao的博客
08-24 5万+
Matlab可以说是一个非常有用且功能齐全的工具，在通信、自控、金融等方面有广泛的应用。 本文讨论使用Matlab对信号进行频域分析的方法。 说到频域，不可避免的会提到傅里叶变换，傅里叶变换提供了一个将信号从时域转变到频域的方法。之所以要有信号的频域分析，是因为很多信号在时域不明显的特征可以在频域下得到很好的展现，可以更加容易的进行分析和处理。 FFT Matlab提供的傅里叶变换的...
在 QT中计算信号fft变换的 频率幅值 频率值 平均频率 重心频率 频率均方值 频率标准差
05-30
在QT中计算信号FFT变换的频率幅值、频率值、平均频率、重心频率、频率均方值、频率标准差可以通过以下步骤实现： 1. 首先，将要进行FFT变换的信号读入程序中，并进行预处理，例如消除直流分量和归一化处理。 2. 对预处理后的信号进行FFT变换，获取频域信息。 3. 根据FFT变换结果计算频率幅值和频率值，其中频率幅值为FFT变换结果的模长，频率值为对应的频率值。可以使用以下公式计算： 频率幅值 = sqrt(实部^2 + 虚部^2) 频率值 = i * Fs / N 其中，i为FFT变换结果的下标，Fs为采样率，N为FFT变换点数。 4. 计算频率均方值和频率标准差，可以使用以下公式计算： 频率均方值 = (1/N) * sum(频率幅值^2) 频率标准差 = sqrt((1/N) * sum(频率幅值^2 - 频率均方值^2)) 5. 计算平均频率和重心频率，可以使用以下公式计算： 平均频率 = sum(频率值 * 频率幅值) / sum(频率幅值) 重心频率 = sum(频率值^2 * 频率幅值) / sum(频率幅值 * 频率值) 其中，sum表示求和运算。 需要注意的是，计算的结果可能存在舍入误差，因此可能需要对结果进行适当的调整。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值