時域

• 均值

• 有效值（RMS，對時間的均值：）

• 時域峰值

• 方差

• 協方差

• 短時能量

• 短時過零率

• 子頻帶能量比

頻域

• 概要：信號頻譜是在頻率域對原信號分布情況的描述，能夠提供比時域波形更加直觀的特征信息。頻譜分析是機械故障診斷中最常使用的方法。頻譜分析中常用的有幅值譜和功率譜。功率譜表示振動功率的分布情況。幅值譜表示對應于各頻率的諧波振動分量所具有的振幅，應用時顯得比較直觀，幅值譜上譜線高度就是該頻率分量的振幅大小。

• 頻域常用的特征

倒譜域

• 概要：倒頻譜分析也被稱為二次頻譜分析，是近代信號處理中的一項非常重要的新技術，是檢測復雜譜圖中的周期分量的有用工具。通過對信號的功率譜進行倒頻譜分析，使得較低的幅值有較高的加權，從而可以清楚地識別信號的組成，突出信號中的周期成分。因此，對信號進行倒頻譜分析可以檢測和分離頻譜中存在的周期性成分的能力，會使得原來譜圖上的邊頻譜線轉化為在倒頻譜上的單根譜線，從而使得頻譜中的復雜周期成分變得清晰易辨，有利于機械故障診斷。機械中齒輪、滾動軸承等出現故障時，信號的頻譜上會出現難以識別的多簇調制邊頻帶，釆用倒頻譜分析可分解和識別故障頻率、故障的原因和部位。

• MFCC

• HCC

時頻域

• 短時傅里葉變換

• Gabor變換

• 小波變換

• HHT變換

波形相關的特征

• 非高斯（non-Gaussianity）常用的兩種度量方法

  • Kurtosis（峭度）：經典的測量非高斯方法，或稱四階累積量。y的Kurtosis定義為：
    
  • Negentropy（負熵）:基于信息理論上熵的概念。隨機變量的熵可以理解為給定觀察變量的信息度，越隨機，熵越大。隨機向量y的密度f(y)的微熵H被定義為：
    

關于非高斯性，根據中心極限定理，在某些條件下，獨立隨機變量的和在一定條件下是趨近與高斯分布。即獨立隨機變量的和比原始獨立隨機變量的任何一個更接近高斯分布。可以認為越具有高斯性，獨立性越差，反之，非高斯性越強，獨立性越強。

思考：關于這個，是否可以將其應用于EMD中，通過各個IMF分量的與原始信號的非高斯性的對比，觀察IMF分量的獨立性。

• 波形因子

• 峰值因子：反應波形的形狀

• 脈沖因子

• 裕度因子

• 峭度因子

參考資料：

[1]ICA 講課PPT——P22-26(非高斯度量)

總結

以上是生活随笔為你收集整理的信号分析中一些特征量的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。