由于实际运行中放电工况不确定性大，充电曲线相对较为平稳，易于提取特征，本文只提取电池充电过程中的HF。电池充电时先进行恒流(Constant Current, CC)充电，至电压上升至充电截止电压后开始(Constant Voltage, CV)充电直至电流下降至充电截止电流。目前普遍提取的电池充电曲线的特征主要包括两类：一定时间内的电压/电流变化量、电压/电流一定变化量所需要的时间[33-35]。
MIC的基本原理是当计算两个变量之间的相关性时，将这两个变量在二维空间中形成的散点图上进行网格划分，然后根据划分的网格得到这两个变量的联合近似概率密度，从而得到这两个变量之间的互信息值进行归一化。在不同的网格数与位置处有相应的归一化互信息值，其最大值即为MIC。MIC的优点在于其通用性与平等性。通用性为即当样本足够多时，它可以识别范围广泛的关系，而不限于特定类型，如线性关系、周期函数关系、抛物线关系和非函数关系等。平等性表现为对于不同的关系类型，当添加相同程度的噪声时，计算变量之间的最大信息系数MIC值是相似的[36]。
