时域频域特征提取python

时域和频域特征提取是信号处理中常用的方法，可以用于分析和描述信号的特征。在Python中，可以使用不同的库和算法来进行时域和频域特征提取。

时域特征提取主要关注信号在时间上的变化，常用的时域特征包括均值、方差、标准差、最大值、最小值、峰值等。在Python中，可以使用NumPy库来进行时域特征提取。以下是一个示例代码：

import numpy as np

# 时域特征提取函数
def time_domain_features(signal):
    mean = np.mean(signal)
    variance = np.var(signal)
    std = np.std(signal)
    max_value = np.max(signal)
    min_value = np.min(signal)
    peak_value = np.max(np.abs(signal))
    
    return mean, variance, std, max_value, min_value, peak_value

# 示例信号
signal = [1, 2, 3, 4, 5]

# 提取时域特征
mean, variance, std, max_value, min_value, peak_value = time_domain_features(signal)

print("Mean:", mean)
print("Variance:", variance)
print("Standard Deviation:", std)
print("Max Value:", max_value)
print("Min Value:", min_value)
print("Peak Value:", peak_value)

频域特征提取则是将信号转换到频域进行分析，常用的方法是使用傅里叶变换。在Python中，可以使用SciPy库中的fft函数进行傅里叶变换。以下是一个示例代码：

import numpy as np
from scipy.fft import fft

# 频域特征提取函数
def frequency_domain_features(signal, sample_rate):
    spectrum = fft(signal)
    frequencies = np.fft.fftfreq(len(signal), 1/sample_rate)
    
    return spectrum, frequencies

# 示例信号
signal = [1, 2, 3, 4, 5]
sample_rate = 1  # 采样率

# 提取频域特征
spectrum, frequencies = frequency_domain_features(signal, sample_rate)

print("Spectrum:", spectrum)
print("Frequencies:", frequencies)

以上是时域和频域特征提取的简单示例，你可以根据具体的需求选择适合的方法和库进行特征提取。