前言
针对不同的应用和场景选择的特征提取不相同，信号特征的提取往往都是用最简单有效的参数表示信号中的信息，这是根本目的。
针对不同的后端模型需要确定特征维度
在开始特征提取前，信号往往需要做一些预处理，如滤波、去均值，去异常等等。
特征提取有哪些方法：
1. 对时间域一维信号，特征有：均值，方差，均方根，峰 值因子，峭度系数、波形因子、裕度因子、脉冲因子。
2. 估计-分布参数一般服从某一类分布
3. 频域，特征频率，均方频率，重心频率，频率误差
4. 小波方法提取的系数，小波滤波后的特征频率等等
5. 信号熵，铺熵，排列熵，EMD熵，包络熵等
6. 谱峭度，快速谱峭度，小波谱峭度
7. 基于数学工具和降维的特征，如PCA，矩阵特征向量，矩阵的秩，特征根，SVD-奇异值、ICA等等；
8. 一些基于距离的度量、范数、马氏距离、分形参数，同胚流行等等；
9、任何能表征信号特征的自定义参数均可以，注意有意义有时是结合实际需求的。
时域特征
1. 过零率
2. 短时能量
3. 短时平均幅度差
频域特征提取
重心频率：可以描述信号在频谱中分量较大的信号成分的频率，反映信号功率谱的分布情况。换句话说，对于给定的频带范围，低于重心频率的频率范围内包含的能量是信号总能量的一半。
均方根频率： 均方频率的算术平方根，可以看做惯性半径
均方频率： 均方频率是信号频率平方的加权平均
以上三者都是描述功率谱主频带位置分布的。
频率标准差： 是以重心频率为中心的惯性半径，若重心附近的频谱幅值较大，则频率标准差较小；若重心附近的频谱较小，则频率标准差较大。表示功率谱能量分布的分散程度
频率方差：是频率标准差的平方，是衡量功率谱能量分散程度的另一个维度
有量纲特征值8个——最大值、最小值、峰峰值、均值、方差、标准差、均方值、均方根值（RMS）
无量纲特征值6个——峭度、偏度、波形因子、峰值因子、脉冲因子、裕度因子
频域特征值5个——重心频率、均方频率、均方根频率、频率方差、频率标准差
信息熵特征值3个——功率谱熵、奇异谱熵、能量熵
（其他相关特征若干——样本熵等熵特征值、后续还会补充其他常用、不常用的特征指标）
