用于结构健康监测（SHM）的加速度传感器可以提取哪些特征？

Question

我使用的数据集发现的SHM使用加速度传感器检测结构的变化。我知道我可以将时域数据转换成频域和时频域（例如：小波）。所以，我有几个问题：

1. 我可以从每个域转换中提取哪些特征？我知道我可以用统计学作为时域分析的特征。但是，我想知道可以用于每次传输的其他功能。在
2. 有没有另一种时频域变换？我知道小波和STFT。在
3. 在数据集中，有多个文件，其中多个文件具有不同的损坏情况，可以在下面找到：

   Folder May 28:

   1-105 Damage scenario 1:

   1-20: D1 21-43: D2 44-65: D3 66-85: D4 86-105: D5 106-128: undamaged 181-273: undamaged

其中每个文件有15个加速度传感器数据。那么，如何获取特征并形成特征矩阵用于模式识别和机器学习呢？我想知道什么是典型的方法来形成一个特征矩阵，这样它就可以在机器学习中用来观察模式。在

1. 传感器数据看起来很嘈杂，那么，最好的方法是什么 去除信号中的噪声，不丢失大量信息？在
2. 将传感器数据标准化是否有益？Python，如果我能做到的话？在

链接到数据集：http://users.metropolia.fi/~kullj/JrkwXyZGkhF/wooden_bridge_time_histories/

注意：我把wav文件转换成了txt文件，在那里我得到了加速度数据和采样频率