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。
2、信号特征的提取往往都是用最简单有效的参数表示信号中的信息，这是根本目的。
3、针对不同后端模型需要确定特征维度。
4、开始特征提取前，信号往往需要做一些预处理，如滤波、去均值、去异常等等。
特征提取有哪些方法：
1、拿到时间域一维信号，简单统计和运算可以得到的特征有：均值，方差，均方根，峰值因子，峭度系数，波形因子，裕度因子、脉冲因子。
2、估计--分布参数一般服从某一类分布；
3、频域，特征频率，均方频率，重心频率，频率方差；
4、小波方法提取的系数，小波滤波后的特征频率等等；
5、信号熵，谱熵，排列熵，小波熵，EMD熵，包络谱熵等；
6、谱峭度，快速谱峭度、小波谱峭度等；
7、基于数学工具和降维的特征，如PCA，矩阵特征向量，矩阵的秩，特征根，SVD-奇异值、ICA等等；
8、一些基于距离的度量、范数、马氏距离、分形参数，同胚流行等等；
9、任何能表征信号特征的自定义参数均可以，注意有意义有时是结合实际需求的。
3 预处理
matlab的波形预处理还是很人性化的，具体说来“Signal Analyzer”工具箱好像就够用了，至于其他的工具箱大家也可以看看。
这个工具箱在matlab顶上点选【APP】之后能找到，它的教程在官网上也很清楚了，传送门附上：点我传送
这个网站里关于“Signal Analyzer”工具箱的使用教程在【使用Signal Analyzer App】超链接下。其他超链接里的内容也可以逛逛，说不定对你有些启发。
下面的代码可以参考：
%% 初始化
clear
clc
%% 读取文件
[sonar,fs] = audioread('test.wav'); %采样频率
%% 滤波处理
sonar = sonar - mean(sonar); %去直流分量
sonar = lowpass(sonar,0.5,'Steepness',0.85,'StopbandAttenuation',60); %低通滤波
sonar = highpass(sonar,0.5,'Steepness',0.85,'StopbandAttenuation',60); %高通滤波4 时域特征提取
%% 数据特征提取
[nframes,nchannels] = size(sonar); %采样点数与声道数
time = nframes / fs; %采样时间 = 采样总点数 / 每秒采样点数
%% 双声道时域信息提取
max_data = max(sonar); %最大值
min_data = min(sonar); %最小值
median_data = median(sonar); %中位数
mean_data = mean(sonar); %平均值
pk_data = max_data - min_data; %峰差
avg_data = mean(abs(sonar)); %整流平均值_绝对值的平均值
var_data = var(sonar); %方差
sd_data = std(sonar); %标准差
ku_data = kurtosis(sonar); %峭度
sk_data = skewness(sonar); %偏度
rm_data = rms(sonar); %均方根
%% 左声道时域
l_max = max_data(1);
l_min = min_data(1);
l_median = median_data(1);
l_mean = mean_data(1);
l_pk = pk_data(1);
l_avg = avg_data(1);
l_var = var_data(1);
l_sd = sd_data(1);
l_ku = ku_data(1);
l_sk = sk_data(1);
l_rm = rm_data(1);
l_S = l_rm / l_avg; %均方根因子
l_C = l_pk / l_rm; %峰值因子
l_I = l_pk / l_avg; %脉冲因子
l_xr = mean(sqrt(abs(sonar(1))))^2;
l_L = l_pk/ l_xr; %裕度因子
%% 右声道频域
r_max = max_data(2);
r_min = min_data(2);
r_median = median_data(2);
r_mean = mean_data(2);
r_pk = pk_data(2);
r_avg = avg_data(2);
r_var = var_data(2);
r_sd = sd_data(2);
r_ku = ku_data(2);
r_sk = sk_data(2);
r_rm = rm_data(2);
r_S = r_rm / r_avg; %均方根因子
r_C = r_pk / r_rm; %峰值因子
r_I = r_pk / r_avg; %脉冲因子
r_xr = mean(sqrt(abs(sonar(2))))^2;
r_L = r_pk/ r_xr; %裕度因子5 频域特征提取
这块写的我也没啥自信了，毕竟是根据网上东拼西凑的资料写出来的。
%% 双声道频域信息提取
[fft_sonar,f_range] = positiveFFT(sonar,fs);
N = length(fft_sonar); %fft采样点数
subplot(5,2,5);
fft_amp = abs(fft_sonar); %振幅(幅频特性)
stem(f_range,fft_amp); %x-正频率;y-振幅
title('频域声纳波形');
fft_phase = angle(fft_sonar); %相频特性
subplot(5,2,6);
plot(f_range,fft_phase);
title('相频特性图')
amp_max = max(fft_amp); %振幅最大值
amp_min = min(fft_amp); %振幅最小值
amp_median = median(fft_amp); %振幅中位数
amp_mean = mean(fft_amp); %振幅平均值
amp_pk = amp_max - amp_min; %振幅峰差
amp_mph = amp_pk * 0.75; %振幅峰值阈值，阈值为75%的振幅峰差
%[amp_pkfs,amp_pks] = findpeaks(fft_amp,'minpeakheight',amp_mph);
%amp_pkfs = amp_pkfs / N * fs/2;
amp_pks = []; %振幅峰值
amp_pkfs = []; %振幅峰值对应的频率
for i = 1:N
if amp_mph < fft_amp(i)
amp_pks = [amp_pks,fft_amp(i)];
amp_pkfs = [amp_pkfs,i / N * fs / 2];
end
end
avg_fs = fs*[1:N] / N;
avg_fft = 2 * fft_amp / N;
amp_fc = sum(avg_fs .* avg_fft) / sum(avg_fft); %重心频率
amp_msf = sum(avg_fs.^2 .* avg_fft) / sum(avg_fft); %均方频率
amp_rmsf = sqrt(amp_msf); %均方根频率
amp_vf = sum((avg_fs - amp_fc).^2 .* avg_fft) / sum(avg_fft); %频率方差
amp_rvf = sqrt(amp_vf); %频率标准差6 功率谱
%% 双声道功率谱信息提取
power = abs(fft_sonar).^2 / N; %功率 = 傅里叶变换^2 / 区间长度,fft的幂
subplot(5,2,7);
plot(f_range,power);
title('功率谱');
power_y = 10*log10(power); %放大低频
power_y(1) = mean(power_y); %去除直流影响
subplot(5,2,8);
plot(f_range,power_y);
title('放大低频的功率谱');
power_max = max(power); %功率最大值
power_min = min(power); %功率最小值
power_median = median(power); %功率中位数
power_mean = mean(power); %功率平均值
power_snr = 10*log10(power_max / (sum(power) - power_max)); %信噪比
power_obw = obw(sonar,fs); %占用带宽7 倒谱
%% 双声道倒频谱信息提取
cepstrum = real(ifft(log(abs(fft(sonar(:,1))))));
during_time = 1/fs:1/fs:time;
subplot(5,2,9);
plot(during_time,cepstrum,'color',[29/255 176/255 184/255]);ylim([0 0.01]);
title('左声道倒频谱');
cepstrum = real(ifft(log(abs(fft(sonar(:,2))))));
during_time = 1/fs:1/fs:time;
subplot(5,2,10);
plot(during_time,cepstrum,'color',[86/255 163/255 108/255]);ylim([0 0.01]);
title('右声道倒频谱');