cal_waveletfeature_熵_matlab_小波熵_小波包分解_时频域特征

function [fea_wavelet] = cal_waveletfeature(x) % 计算小波包特征 % wpcoef：找小波包分解的系数，N层小波包分解后将信号分成2^N个子带，每个子带的信号长度是原是信号的1/2^N倍， % 其实就是将原始信号化成2^N段，每段的长度是相等的且比原信号短 % wprcoef：是小波包分解系数重构，将分解的各个子带的信号拓展为原始信号那么长， % 两者的区别就是wprcoef是wpcoef的拓展（长度与原始信号一样），他们每个节点的能量是一样的 % 小波熵是一个统称，不是一种具体的熵算法。 % 旗下包括小波时间熵、小波尺度熵(小波特征尺度熵)、小波时频熵、小波能量熵(小波能谱熵) % 小波相关尺度熵(小波相关特征尺度熵)、小波奇异熵、小波方差谱熵、小波空间特征熵(小波空间特征尺度熵) n = 3; % 3层小波包分解 T = wpdec(x,n,'db6'); % 3层小波包分解，得到8个子带 for i=1:2^n % 重构分量，使信号和原始信号一样长 E(i)=norm(wprcoef(T,[n,i-1]),2)^2; % 求第i个节点的二范数，乘以平方才是能量，wpcoef(T,[n,i-1])是求第n层第i个节点的系数 end E_total=sum(E);%总能量 % 8个子带的小波能量比 p1=E(1)/E_total; p2=E(2)/E_total; p3=E(3)/E_total; p4=E(4)/E_total; p5=E(5)/E_total; p6=E(6)/E_total; p7=E(7)/E_total; p8=E(8)/E_total; % 绘制条形图 % p=[p1,p2,p3,p4,p5,p6,p7,p8]; % bar(p); % set(gca,'XTickLabel',{'(3,0)','(3,1)','(3,2)','(3,3)' ,'(3,4)','(3,5)','(3,6)','(3,7)'}); % 小波能量熵(小波能谱熵) energyE=-sum(E/E_total.*log(E/E_total)); % 8个子带的小波熵(小波尺度熵) 在各尺度上求的是shannon熵=小波尺度熵(小波特征尺度熵) E1=wentropy(wpcoef(T,[3,0]),'shannon');% E2=wentropy(wpcoef(T,[3,1]),'shannon');% E3=wentropy(wpcoef(T,[3,2]),'shannon');% E4=wentropy(wpcoef(T,[3,3]),'shannon');% E5=wentropy(wpcoef(T,[3,4]),'shannon');% E6=wentropy(wpcoef(T,[3,5]),'shannon');% E7=wentropy(wpcoef(T,[3,6]),'shannon');% E8=wentropy(wpcoef(T,[3,7]),'shannon');% % 小波奇异谱熵 % 先求取奇异值，将奇异值构造向量即得到奇异值谱，然后计算熵值即可 % 第一步：小波分解，得到各分量信号，对系数重构，得到完整系数 for i=1:2^n % 重构分量，使信号和原始信号一样长 q(:,i)=wprcoef(T,[n,i-1]); % 求系数 end % 奇异值分解 s=svd(q); S=sum(s); dim=length(s); for i=1:dim p(i)=s(i)/S; end qyshang=-sum(p.*log(p)); % 小波奇异熵 fea_wavelet = [p,energyE,E1,E2,E3,E4,E5,E6,E7,E8,qyshang]; end