请帮我用python对一个采样频率为1024Hz，采集时间为3s的的振动信号做频域特征提取

以下是一个示例代码，使用了SciPy库中的快速傅里叶变换（FFT）函数和NumPy库中的一些数组操作函数：

import numpy as np
from scipy.fft import fft

# 读取振动信号数据，假设保存在名为 data 的一维数组中
# 这里假设数据已经被预处理，例如去除了直流分量和高通滤波等
# 如果需要预处理，请使用NumPy或SciPy库中的相关函数

# 计算FFT
fft_data = fft(data)

# 计算频率轴上的取样点，注意这里不包括直流分量（0Hz）
freqs = np.linspace(0, 512, 512, endpoint=False)

# 计算振动信号的频域能量谱密度（PSD）
# 注意这里使用的是单边PSD，即只计算正频率部分，单位为“功率/Hz”
psd = np.abs(fft_data[:512])**2 / (3*1024)

# 计算一些频域特征，例如最大频率、均值频率、频率谱峰度等
max_freq = freqs[np.argmax(psd)]
mean_freq = np.sum(freqs * psd) / np.sum(psd)
skewness = np.sum((freqs - mean_freq)**3 * psd) / np.sum(psd) / np.sqrt(np.sum((freqs - mean_freq)**2 * psd))**3

# 输出结果
print("最大频率：{:.2f} Hz".format(max_freq))
print("均值频率：{:.2f} Hz".format(mean_freq))
print("频率谱峰度：{:.2f}".format(skewness))

这里假设采样点数为 $3\times 1024=3072$，FFT的输出长度为 $2^{11}=2048$，因此只取前 $512$ 个频率点计算PSD。如果需要使用其他的频域特征，可以根据需要添加相应的计算代码。