目录

一、15种时域特征指标

二、15种时域特征指标特征提取Python代码实现

（1）数据集介绍

（2）15种时域特征指标特征提取

三、代码获取（包含15种时域特征的公式）

1、平均值 (Mean)：信号或数据的平均值，是所有样本值的总和除以样本数量。

2、方差 (Variance)：数据分布的离散程度度量，是每个数据点与平均值的差的平方的平均值。

3、标准差 (Standard Deviation)：方差的平方根，是数据分散程度的一种度量，与原始数据的单位相同。

4、偏度 (Skewness)：数据分布的不对称性度量，描述数据分布的偏斜程度。正偏表示分布右侧的长尾更长，负偏表示分布左侧的长尾更长。

5、峭度 (Kurtosis)：数据分布的尖峰程度度量，描述数据分布的尖峰或平坦程度。正峰度表示数据分布更尖，负峰度表示数据分布更平。

6、最大值 (Maximum)：数据中的最大值。

7、最小值 (Minimum)：数据中的最小值。

8、峰峰值 (Peak-to-Peak)：数据的峰值与最小值之间的差值，描述信号的变化范围。

9、均方根 (Root Mean Square, RMS)：数据的均方根值，是数据平方的平均值的平方根。描述信号的有效值。

10、峰值因子 (Crest Factor)：信号的峰值与均方根值之比，表示信号的峰值幅度相对于均方根值的大小，反映信号的峰值特性。

11、波形因子 (Shape Factor)：信号的均方根值与平均值之比，表示信号的形状特征。

12、脉冲因子 (Impulse Factor)：信号的峰值与绝对平均值之比，表示信号的脉冲特性。

13、裕度因子 (Margin Factor)：信号的峰值与标准差之比，描述信号的变化裕度。

14、峭度因子 (Kurtosis Factor)：信号的峭度与标准差之比，表示信号的尖峰特性。

15、能量 (Energy)：信号在某个时间段内的总能量，是信号幅值的平方的积分。

  数据集为轴承故障数据集（data.xlsx文件），这个data.xlsx文件包含1种轴承正常数据、9种轴承故障数据。每种类型的数据包含120个样本（前120个样本对应1种轴承正常数据，以此类推），数据集内容如下所示（每行是一个样本）。

提取特征如下：

15种时域特征提取的Python代码实现（平均值、标准差、偏度、峭度、峰峰值、均方根、峰值因子、波形因子、脉冲因子等）