%*****************************************************************
%程?序?名：LMD-相關系數-信息熵--分類（單個）
%設?計?者：一頭努力奮斗的豬
%*****************************************************************
clc
clear?all
fs=2560;%采樣頻率
Ts=1/fs;%采樣周期
L=3072;%采樣點數
t=（0:L-1）*Ts;%時間序列
STA=1;?%采樣起始位置
%---------------------導入實驗分析數據--------------------------------------
A=xlsread（‘20151124_08_15Bin粗卡閥.xlsx‘）;
a1=A（1:30721）;
x=a1‘;
%----------------------lmdf分解-------------------
[PF]=lmd（x）
figure（1）;
imfn=PF;
n=size（imfn1）;?%size（X1）返回矩陣X的行數；size（X2）返回矩陣X的列數；N=size（X2），就是把矩陣X的列數賦值給N
subplot（n+111）;??%?m代表行，n代表列，p代表的這個圖形畫在第幾行、第幾列。例如subplot（22[12]）
plot（tx）;?%故障信號
ylabel（‘原始信號‘‘fontsize‘12‘fontname‘‘宋體‘）;
for?n1=1:n
????subplot（n+11n1+1）;
????plot（tPF（n1:））;%輸出IMF分量，a（:n）則表示矩陣a的第n列元素，u（n1:）表示矩陣u的n1行元素
????ylabel（[‘PF‘?int2str（n1）]）;%int2str（i）是將數值i四舍五入后轉變成字符，y軸命名
end
?xlabel（‘時間\itt/s‘‘fontsize‘12‘fontname‘‘宋體‘）;
?
?%求各PF分量與原始信號的相關系數，并篩選分量
xiangguanxishu=zeros（1n）;
for?i=1:n
????a=imfn（i:）;
????b=corrcoef（ax‘）;
????xiangguanxishu（1i）=b（12）;
end

%提取每一個PF分量的信息熵特征
xingxishang=zeros（1n）;
for?i=1:n
????a=imfn（i:）;
????x1=mapminmax（a01）;?%將數據歸一化處理
????%求數據的概率分布
???for?m=1:3072
???????x=x1（m）/sum（x1）;
???end
???shannon=-sum（x.*log2（x））;%計算信息熵
???xingxishang（1i）=shannon;
end

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????目錄???????????0??2019-01-14?13:43??LMD-信息熵\
?????文件???????59820??2018-12-27?22:47??LMD-信息熵\20151124_08_15Bin粗卡閥.xlsx
?????文件????????1573??2019-01-14?13:43??LMD-信息熵\faming.m
?????文件????????2486??2018-09-22?15:21??LMD-信息熵\lmd.m