对不同数据源特征提取的（详见上一篇博客问题）的进一步思考

昨晚查阅了不少资料，也咨询了几个大神，总结得到一点思路：所谓针对原始振动数据通过时频分析得到的时频图，可以将它保存成图片，作为图片特征，另外针对原始数据通过时域、频域统计得到的数据特征即数据，它俩可以用多模态的方法进行进一步特征提取，多模态正是针对不同数据来源（例如：数据、视频、图片）进行特征提取的一种方式，多模态大多也与深度学习相结合，另本人目前正在做的问题：1）首先对原始信号进行时频分析，主要有以下思路：思路一）将小波分解得到的细节信号（通常是D1）作为新的原始振动信号，进一步通过时域、频域统计特征的方式提取特征，此时提取出来的特征可以看做是时频特征；思路二）将原始振动信号进行hilbert变换，并求出包络谱，将此包络谱代替频域特征提取是用到的傅里叶谱；思路三）看了有关时频分析的书籍，书中提到运用Wigner-Ville分布、Cohen类时频分布、伪Wigner-Ville分布、双谱、三阶谱等等，得到对应时频分布图，可是对该图的具体描述书中提及较少，大多只提到了时频图中频率的范围，这个一看坐标就清楚了，但是老是提到存在交叉干扰，自己也不太明白，该怎么去看？交叉干扰对能量的影响是怎样的？自己也不太明白，下面我会贴2张（7-10对应存在交叉项干扰，图7-12不存在交叉项干扰），希望有懂这个的好心人指点迷津，在此谢过！~~~~~~~~~~~~~好，假定前述问题解决的基础上，我将把时域、频域、时频域得到的特征进一步通过多模态方式进行进一步特征提取，后续再通过分类器进行模式分类训练与测试！本人正在学习多模态与深度学习相关的知识，如有进展及疑问，将进一步贴出来与大家交流学习！