请用python列举一个小波变换将时域数据转换为小波域数据来提取特征的例子

小波变换是一种将时域信号转换为小波域信号的方法。通过小波变换，我们可以将时域信号表示为一系列不同尺度和不同位置的小波基函数的线性组合。以下是一个使用小波变换将时域数据转换为小波域数据来提取特征的Python示例代码：

import pywt
import numpy as np

# 生成一个随机信号
signal = np.random.rand(1000)

# 进行小波变换
coeffs = pywt.wavedec(signal, 'db4', level=4)

# 计算小波域的一些统计特征
mean_coefs = [np.mean(coef) for coef in coeffs]
std_coefs = [np.std(coef) for coef in coeffs]
max_coefs = [np.max(coef) for coef in coeffs]
min_coefs = [np.min(coef) for coef in coeffs]

在这个例子中，我们生成一个随机信号，并使用`pywt.wavedec`函数进行小波变换。其中，`'db4'`表示使用Daubechies 4小波作为小波基函数，`level=4`表示进行4层小波分解。然后，我们计算了小波域的平均值、标准差、最大值和最小值，这些是常见的小波域特征。

需要注意的是，不同的小波基函数和小波分解层数会对提取的小波域特征造成影响。在实际应用中，我们需要根据具体情况选择合适的小波基函数和小波分解层数，以提取有用的小波域特征。