将文件夹及子文件夹中二进制bin文件每8个字节转浮点后转存到csv，csv放到命名为csv文件夹的目录下，并以bin文件的名字+原始文件这几个字命名，将bin文件按1、2、3的顺序分别放到csv的1、2、3列，将每一列的数据进行特征提取计算，特征提取按照时间窗口提取并写到csv的不同行，包括均值、方差、rms、小波1～16，记录在另一个csv文件并以bin文件的名字+特征文件这几个字命名。

以下是一个将文件夹及子文件夹中的二进制 BIN 文件转换为浮点数，并按照时间窗口提取特征并保存到 CSV 文件的示例程序：

import os
import struct
import csv
import numpy as np
import pywt

def convert_bin_to_float(bin_file_path):
    with open(bin_file_path, 'rb') as bin_file:
        bin_data = bin_file.read()
    
    float_data = []
    for i in range(0, len(bin_data), 8):
        float_value = struct.unpack('d', bin_data[i:i+8])[0]
        float_data.append(float_value)
    
    return float_data

def calculate_features(float_values, window_size):
    num_windows = len(float_values) // window_size
    feature_data = []
    
    for i in range(num_windows):
        window_start = i * window_size
        window_end = window_start + window_size
        window_data = float_values[window_start:window_end]
        
        # 均值
        mean = np.mean(window_data)
        
        # 方差
        variance = np.var(window_data)
        
        # 均方根（RMS）
        rms = np.sqrt(np.mean(np.square(window_data)))
        
        # 小波变换
        wavelet_features = []
        levels = range(1, 17)
        for level in levels:
            coefficients = pywt.wavedec(window_data, 'db1', level=level)
            for coeff in coefficients:
                wavelet_features.append(coeff.mean())
                wavelet_features.append(coeff.var())
                wavelet_features.append(np.sqrt(np.mean(np.square(coeff))))
        
        feature_data.append([mean, variance, rms] + wavelet_features)
    
    return feature_data

def save_to_csv(data, csv_file_path):
    with open(csv_file_path, 'w', newline='') as csv_file:
        writer = csv.writer(csv_file)
        writer.writerows(data)

# 指定包含二进制 BIN 文件的目录
directory = 'path/to/your/directory'

# 创建用于保存 CSV 文件的文件夹
csv_directory = os.path.join(directory, 'csv')
os.makedirs(csv_directory, exist_ok=True)

# 遍历目录中的文件夹和文件
for root, dirs, files in os.walk(directory):
    for file in files:
        if file.endswith(".bin"):
            bin_file_path = os.path.join(root, file)
            
            # 转换为浮点数
            float_data = convert_bin_to_float(bin_file_path)
            
            # 保存到 CSV 文件
            csv_file_name = f"{file}_original.csv"
            csv_file_path = os.path.join(csv_directory, csv_file_name)
            save_to_csv([float_data], csv_file_path)
            
            # 特征提取
            window_size = 8
            feature_data = calculate_features(float_data, window_size)
            
            # 保存特征到 CSV 文件
            feature_csv_file_name = f"{file}_features.csv"
            feature_csv_file_path = os.path.join(csv_directory, feature_csv_file_name)
            save_to_csv(feature_data, feature_csv_file_path)

将上述代码中的 `'path/to/your/directory'` 替换为包含二进制 BIN 文件的目录路径。在这个示例程序中，我们假设你需要将该目录中的所有二进制 BIN 文件转换为浮点数，并按照时间窗口提取特征。

在程序中，我们首先定义了几个辅助函数 `convert_bin_to_float`、`calculate_features` 和 `save_to_csv`。`convert_bin_to_float` 函数用于将二进制 BIN 文件转换为浮点数列表，其中使用了 `struct` 模块来解析二进制数据，并将浮点数存储在列表中。`calculate_features` 函数用于对浮点数列表进行特征提取计算，包括均值、方差、均方根和小波特征。`save_to_csv` 函数用于将数据保存到 CSV 文件中。

接下来，我们遍历目录中的文件夹和文件，筛选出以 ".bin" 结尾的文件。对于每个 BIN 文件，我们首先调用 `convert_bin_to_float` 函数将其转换为浮点数列表。然后，我们使用 `save_to_csv` 函数将列表中的数据保存到 CSV 文件中，命名为原始文件名加上 "_original.csv"。

接着，我们调用 `calculate_features` 函数对浮点数列表进行特征提取计算，并将结果存储在 `feature_data` 中。我们使用 `save_to_csv` 函数将特征数据保存到另一个 CSV 文件中，命名为原始文件名加上 "_features.csv"。

请确保你已经安装了 Python，并且导入了 os、struct、csv、numpy 和 pywt 模块。