時域特徵值是衡量訊號特徵的重要指標，時域特徵值通常分為有量綱引數與無量綱引數。
所謂「量綱」，簡單地理解就是「單位」。有量綱的引數就是有單位的，比如平均值，一段溫度訊號(單位℃)的平均值依舊是℃；無量綱的引數沒有單位，無量綱量常寫作兩個有量綱量之積或比，但其最終的綱量互相消除後會得出無量綱量，比如，應變是量度形變的量，定義為長度差與原先長度之比。
有量綱的特徵值往往具有直觀的物理含義，是最為常用的特徵指標。有量綱特徵值主要包括：最大值、最小值、峰峰值、均值、方差、標準差、均方值、均方根值(rms)、均方誤差(mse)、均方根誤差(rmse)、方根幅值等。
1.均值
均值、方差、均方值、均方根值之間有內在的聯絡。
均值是訊號的平均，是一階矩，可以表示為：
2.均方值
均方值是訊號的平方的平均(訊號→平方→平均值)，代表了訊號的能量，是二階矩，可以表示為：
3.方差
方差是每個樣本值與全體樣本值的平均數之差的平方值的平均數，代表了訊號能量的動態分量(均值的平方是靜態分量)，反應資料間的離散程度，是二階中心距，可以表示為：
方差的不同表達方式，可以看出方差的幾種理解方式：
(1)式中可以看出：方差描述的是訊號的離散程度，也就是變數離其期望值的距離。
(2)式中可以看出：方差即平方的期望(均方值)減掉期望的平方。
(3)從物理含義上講，均方值代表訊號的能量，期望的平方代表訊號的直流分量，而方差代表訊號的交流分量。
4.標準差
標準差又叫均方差，是方差的算數平方根。標準差反應的是資料的離散程度。
問題來了，方差和標準差都表示資料的離散程度，那麼既然有了方差，為什麼還要有標準差呢？
為了和原始訊號統一量綱。
舉個例子，假設北京一年的平均氣溫是20℃，氣溫標準差是10℃；烏魯木齊一年的平均氣溫是20℃，氣溫標準差是15℃。這樣會對氣溫的離散程度有乙個直觀理解，但如果說北京的氣溫方差是100，烏魯木齊是225，就很不方便理解了。
5.均方根
均方根(rms)又叫有效值。將所有值平方求和，求其均值，再開平方，就得到均方根值。或者說均方根值等於均方值的算數平方根。
其物理含義可以這樣理解：讓交流電與直流電分別通過同一電阻，若兩者在相同的時間內所消耗的電能相等(或產生的焦耳熱相同)，那麼該直流電的數值就叫做交流電的有效值。
6.均方誤差
均方誤差(mse)是某種意義上的方差，均方誤差是指引數估計值與引數真值之差平方的數學期望值。如果我們把隨機變數的數學期望e認為是引數估計值(未來的)，把隨機變數本身作為引數真值，那麼均方誤差就是普通方差。
均方誤差mse可以評價資料的變化(偏離)程度，mse的值越小(相互之間的比較，而不是跟引數真值的比較)，說明**模型描述實驗資料具有更好的精確度。
均方誤差在機器學習中常作為一種誤差量度。
7.均方根誤差
均方根誤差(rmse)就是均方誤差的算術平方根：
均方誤差與均方根誤差，正如方差與標準差一樣，是量綱上的區別，應用不同場合。
總結歡迎批評指正！
使用matlab對資料時域特徵有量綱引數的計算
時域資訊是以時間為變數，描繪出訊號的波形。時域訊號包括有量綱特徵引數以及無量綱特徵引數。有量綱特徵值包括 最大值 最小值 極差 均值 中位數 眾數 方差 標準差 均方差 均方根 均方誤差 均方根誤差等。無量綱指標，包括峰值因子 脈衝因子 裕度因子 峭度因子 波形因子和偏度等。有量綱引數就是有單位的，...
python時域訊號特徵提取
def psfeaturetime data 均值df mean data.mean df var data.var df std data.std 均方根 df rms np.sqrt pow df mean,2 pow df std,2 峰峰值 fengfengzhi max data min ...
大資料分析的關鍵特徵有哪些
大資料的應用正在發生變化，並且可能會改變人們學習新語言的方式。事實上，語言是人們所尋求的資訊中最複雜卻又最受追捧的一種。因為溝通和交流是如此重要，以至於人們積極嘗試採用不同的方法來學習一門新語言。而利用大資料訪問和處理大量資訊的能力，語言可以變得更加易於學習和掌握。什麼是大資料?大資料旨在尋求研究方...