tsfresh四分位_信号下的基本时域频域特征(上)

星期日, 16. 六月 2019 07:41下午

最近忙于项目，因此本期博客就简单梳理一下信号(笔者做的多数情况下是三相电流数据)下的基本时域和频域特征。

提取特征可以用tsfresh这个库来实现，但是这里还是采用了numpy。

该部分的程序代码笔者写了一个可以直接调用的类，见笔者git

1 时域特征

假设共有m条数据，每一条数据长度为n，第ｉ条数据第ｊ个数据点用\(z_{ij}\)表示，并且z为数组，不能是列表，否则以下一些程序会报错。以下主要从数学公式和python实现来叙述。

(1) 含量纲的时域特征

含量纲的时域特征，笔者简单整理出了十个，其中包括最大值(maximum)、最小值(minimum)、极差(range)、均值(mean)、中位数(media)、众数(mode)、标准差(standard deviation)、均方根值(root mean square/rms)、均方值(mean square/ms)、k阶中心/原点矩。

导入所需要的库

import numpy as np

最大值

max_z = np.max(z, axis=1)

最小值

min_z = np.min(z, axis=1)

极差

range_z = np.max(z, axis=1)-np.min(z, axis=1)

均值

mean_z = np.mean(z, axis=1)

中位数

将一组数从小到大排序，出现在中间的数(当n为奇数时)或者中间两个数的均值(当n为偶数时)

media_z = np.median(z, axis=1)

众数

一组数从大到小排序，出现次数最多的数(当有多个数出现次数一样，取最小的数)

import scipy.stats