当信号变得足够复杂,记录的单个值不再作为特征时,大多数工程师首先转向传统的 RMS 能量、峰峰值测量或 FFT 来创建特征 - 将平均值或 FFT 系数视为训练的相关特征。但问题是这些特征会丢弃做出您最想做出的判断所需的大部分信息。RMS 当然可以帮助识别某些条件,并且具有相对较高频率和时间分辨率的 FFT 运行可能非常有价值。但是高级描述性统计数据会丢弃几乎所有必要的签名信息,您需要这些信息来找到首先证明传感器实施价值的细粒度事件和条件。正如来自另一个领域的这个优秀示例所示,描述性统计数据不会让您看到最有趣的东西:
主要关键词