时域特征的求取，例如峭度、裕度等等。

先把我们的数据进行分解，然后求取每个的时域特征，接着用分类器进行分类，得到你想到的。这里是时域特征求取的代码。

function time=time_statistical_compute（x）
%%对时域信号进行统计量分析
%% p2p10返回有量纲指标，f1f2f3f4f5返回无量纲指标
N=length（x）;
p1=mean（x）; %均值
x=x-p1;
p2=sqrt（sum（x.^2）/N）; %均方根值又称有效值（!）
p3=（sum（sqrt（abs（x）））/N）.^2; %方根幅值（!）
p4=sum（abs（x））/N; %绝对平均值
p5=sum（x.^3）/N; %歪度
p6=sum（x.^4）/N; %峭度
p7=sum（（x）.^2）/N; %方差
p8=max（x）;%最大值
p9=min（x）;%最小值
p10=p8-p9;%峰峰值
%%以上都是有量纲统计量，以下是无量纲统计量
f1=p2/p4; %波形指标
f2=p8/p2; %峰值指标  
f3=p8/p4; %脉冲指标
f4=p8/p3; %裕度指标
f5=p6/（（p2）^4）; %峭度指标
time=[p1p2p3p4p5p6p7p10f1f2f3f4f5];

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-11-19 10:42  新建文件夹\
     文件         623  2017-01-22 23:12  新建文件夹\time_statistical_compute.m