SparsityQuant-IntelliAdaptive构建自适应多度量融合框架，融合9种互补度量指标，每种度量都针对稀疏性的特定维度设计，并通过信号特征自适应的权重分配机制，动态优化度量组合，确保对不同信号都能提供最相关的评估。更关键的是，为每个度量引入置信度量化，并在综合评分中进行置信度加权，使评估结果不仅给出是多少，还明确有多可信。实际测试显示，系统对从脉冲信号到高斯噪声的不同稀疏度信号实现了完美排序，清晰区分稀疏与密集信号

算法特点

集成了9种互补的稀疏性度量指标，涵盖基尼指数、霍耶指数、峰度特征、范数比值、零值比例、相位稀疏性等，形成多维度评估体系

内置智能权重分配系统，能够根据信号长度、零值比例等特征动态调整各度量权重。短信号自动降低对样本敏感的度量权重，稀疏信号提升零值比例权重

采用幅度归一化而非能量归一化，有效保留原始稀疏特征；引入基于中位数的稳健稀疏性度量，降低异常值影响；所有计算均包含防除零和数值稳定处理，确保算法可靠性

每个度量不仅输出值，还提供置信度评分，基于信号长度和度量特性计算。综合评分时融入置信度加权，使评估结果更具科学性和可信度

算法步骤

智能信号预处理：输入信号首先进行幅度归一化（除以最大绝对值），而非传统能量归一化，关键解决信号幅度缩放对稀疏性评估的影响痛点，保持稀疏特征不变性。

并行度量计算引擎：同步计算9种核心度量，包括基尼指数（能量集中度）、霍耶指数（几何稀疏）、峰度稀疏性（尾部特征）、L2/L1比值（范数特性）、D范数（极值影响）、零值比例（绝对稀疏）、鲁棒稀疏性（中位数抗噪）、相位稀疏性（时频特征）、块稀疏性（结构特性），全面覆盖稀疏性不同维度。

自适应权重决策：基于信号特征（长度、零值比）动态调整度量权重，解决传统方法固定权重不适应不同信号类型的痛点。短信号降低峰度和相位度量权重，稀疏信号提升零值比例权重。

置信度加权融合：每个度量乘以置信度系数，长信号、稳定度量的置信度高，解决不同度量可靠性不均等的痛点，避免低可靠性度量拉偏综合评分。

多层级结果输出：输出三个层级结果：①原始度量值及置信度，②自适应权重分配，③加权综合评分及稀疏性级别，满足从详细分析到快速判断的不同应用场景需求。

可视化诊断反馈：自动生成评估报告图，直观展示哪些度量贡献大、权重如何分配、评分分布情况，解决算法"黑箱"痛点，提升结果可解释性