马氏距离是度量学习中一种常用的距离指标，通常被用作评定数据样本间的相似度，可以应对高维线性分布数据中各维度间非独立同分布的问题，计算方法如下。
（1）计算样本向量的平均值。
（2）计算样本向量的标准差。
（3）将特征向量正交，并求其转置矩阵。
（4）计算正交矩阵的相关矩阵 A，其中每个元素的计算公式为：
（5）马氏距离：
鉴于此，采用基于小波的多元信号降噪方法，该方法基于马氏距离和EDF统计，运行环境为MATLAB R2018a，采用如下测试信号：
%% 所要测试的信号
disp('Enetr the choice of signal');
disp('1 for Sofar Bivariate');
disp('2 for Eye Roll EEG bivariate signal containing two EOG channels');
disp('3 for HvyDopller Trivariate Signal');
disp('4 Weight Lifting monitoring Roll_Pitch_Yaw Arm Signal Trivariate Signal');
disp('5 for BumpsBlocks Quadrivariate Signal');
disp('6 for Tai Chi Hexavariate signal');
disp('7 if you want to input your own signal: (see readme file or comments below)')
完整代码：https://mbd.pub/o/bread/mbd-Y5qVk55x
SigOption = input('');
工学博士，担任《Mechanical System and Signal Processing》《中国电机工程学报》《控制与决策》等期刊审稿专家，擅长领域：现代信号处理，机器学习，深度学习，数字孪生，时间序列分析，设备缺陷检测、设备异常检测、设备智能故障诊断与健康管理PHM等。
