时域特征提取与Max-Min归一化：消除数据影响，提升样本可比性

首先，对于每个样本的不同位置的通道，可以使用各种时域特征进行提取，例如：\n1. 平均值：计算每个通道的平均值。\n2. 标准差：计算每个通道的标准差。\n3. 最大值：找到每个通道的最大值。\n4. 最小值：找到每个通道的最小值。\n5. 均方根：计算每个通道的均方根值。\n6. 方差：计算每个通道的方差。\n7. 峰值：找到每个通道的峰值。\n8. 偏度：计算每个通道的偏度。\n9. 峭度：计算每个通道的峭度。\n10. 自相关函数：计算每个通道的自相关函数。\n\n然后，将所有通道的特征拼接成一个向量。假设每个样本有12个位置的通道，每个通道提取了上述的10个特征，则得到一个120维的特征向量。\n\n最后，对该特征向量进行max-min归一化。具体步骤如下：\n1. 找到特征向量中的最大值和最小值。\n2. 对特征向量中的每个值进行归一化，使用公式：\n normalized_value = (original_value - min_value) / (max_value - min_value)\n 这将把特征向量中的值映射到0到1之间的范围。\n\n通过这种方式，可以消除数据本身的影响，使得不同样本的特征在数值上具有可比性。