请教特征提取的一些函数,有些地方不太明白

2022-04-06 22:25:10 +08:00
 ALLROBOT
import numpy as np


# 均方根
def featureRMS(data):
    return np.sqrt(np.mean(data ** 2, axis=0))


# 取绝对值求各列均值
def featureMAV(data):
    return np.mean(np.abs(data), axis=0)

# 求离散的差值,按列的后尾元素向上面的元素进行求差,然后取绝对值再求所有矩阵同一元素位置的和,最后除以矩阵个数
def featureWL(data):
    return np.sum(np.abs(np.diff(data, axis=0)), axis=0) / data.shape[0]

#
def featureZC(data, threshold=10e-7):
    numOfZC = []
    channel = data.shape[1]
    length = data.shape[0]

    for i in range(channel):
        count = 0
        for j in range(1, length):
            diff = data[j, i] - data[j - 1, i]
            mult = data[j, i] * data[j - 1, i]

            if np.abs(diff) > threshold and mult < 0:
                count = count + 1
        numOfZC.append(count / length)
    return np.array(numOfZC)


def featureSSC(data, threshold=10e-7):
    numOfSSC = []
    channel = data.shape[1]
    length = data.shape[0]

    for i in range(channel):
        count = 0
        for j in range(2, length):
            diff1 = data[j, i] - data[j - 1, i]
            diff2 = data[j - 1, i] - data[j - 2, i]
            sign = diff1 * diff2

            if sign > 0:
                if (np.abs(diff1) > threshold or np.abs(diff2) > threshold):
                    count = count + 1
        numOfSSC.append(count / length)
    return np.array(numOfSSC)

能请教一下 MAV 、WL 、ZC 、SSC4 个函数的都是啥数学公式? 网上搜的那些都搜不到😅

大学数学早就还给老师了.....

591 次点击
所在节点    程序员
4 条回复
noqwerty
2022-04-06 22:34:02 +08:00
noqwerty
2022-04-06 22:34:46 +08:00
似乎这里都包括了? Mean Absolute Value, Waveform Length, Zero Crossing, 和 Slope Sign Change
ALLROBOT
2022-04-06 22:39:20 +08:00
@noqwerty 666 ,感谢!

我挺纳闷这么神奇的网站你从哪找到的🤣
noqwerty
2022-04-06 22:44:36 +08:00
@ALLROBOT Google 直接搜 mean absolute value MAV 第一条就是😂因为 MAV 比较常见所以从这个入手查了

这是一个专为移动设备优化的页面(即为了让你能够在 Google 搜索结果里秒开这个页面),如果你希望参与 V2EX 社区的讨论,你可以继续到 V2EX 上打开本讨论主题的完整版本。

https://www.v2ex.com/t/845349

V2EX 是创意工作者们的社区,是一个分享自己正在做的有趣事物、交流想法,可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.

© 2021 V2EX