我将通过自动化频带扫描和状态变化检测来诊断您的时间序列数据

这是什么

这是一款用于单通道时间序列数据的诊断工具。它会自动：
- 查找包含结构的频带
- 将每个频带分类为五种类型之一
- 检测系统行为的突然变化
- 比较不同时间段的数据

它不需要标记的训练数据、预定义的模板或物理模型。它使用四个独立的统计指标：变异系数、样本熵、包络偏度和复发率。

学术参考文献：Zenodo预印本DOI 10.5281/zenodo.22837806

您将获得

一份诊断报告（PDF），包含：
- 每个频带的指标：CV、样本熵、偏度、复发率
- 每个频带的分类
- 检测到的过渡时间戳
- 三面板可视化（原始信号、随时间变化的CV、随时间变化的熵）

包含所有频带指标和标签的结构化结果表（CSV）。

一份方法论说明，解释分析流程、参数以及如何解读结果。

工作原理 — 通俗易懂

把你的数据想象成一个无线电信号。传统工具会告诉你“在50-80赫兹有能量”。这个工具会告诉你“50-80赫兹的信号是稳定且有结构的”，或者“50-80赫兹的信号是分段变化的”，或者“那个频段只是随机噪声”。

它还会告诉你行为发生变化的精确时间——例如：“在t=568秒时，系统从稳定切换到不稳定。”

五种分类标签

- 信号：稳定、有结构的信号
- 分段：有结构但分段变化
- 白噪声：平坦、随机的噪声
- 非平稳：随机波动
- 弱信号：存在结构，但数据太短无法进行完整分析

此工具无法做什么

- 无法重建波形形状
- 无法定位物理源
- 无法预测未来
- 无法处理多通道数据
- 无法处理短于500点的数据
- 除非先进行去趋势处理，否则无法处理具有强烈趋势的数据

您需要提供什么

1. 您的时间序列数据文件
格式：CSV、TSV、TXT 或 HDF5
内容：至少一列数字（时间戳可选）
长度：最少1000点（建议5000+）

2. 采样率
示例：每秒一个样本，每毫秒一个样本，LIGO 16384赫兹

3. 您的目标
示例：
- 找出哪个频带包含信号
- 检测状态变化的精确时间
- 比较两个数据周期之间的结构

何时使用它

- 您有一个长的单通道时间序列
- 您怀疑系统行为在某个时刻发生了变化
- 您想区分“电源故障”和“结构变化”
- 在进行更深入分析之前，您需要进行自动化的初步筛选

何时不使用它

- 实时流媒体
- 多传感器阵列
- 您需要物理解释
- 您需要故障定位
- 您需要未来预测

定价

- 基本：一个数据集，报告 + CSV（联系报价）
- 标准：最多3个数据集，比较分析，一轮问答
- 高级：批量分析，自定义参数，源代码许可

常见问题

问：这与FFT/PSD有何不同？
答：PSD告诉您“每个频率有多少功率”。此工具告诉您“每个频率有什么样的结构，以及何时发生变化”。

问：它能定位故障吗？
答：不能。它只有一维时间序列数据，没有空间信息。它告诉您“结构发生了变化”，而不是“在哪里发生了变化”。

问：时间精度是多少？
答：取决于窗口长度。使用1秒窗口时，过渡检测的精度约为±1秒。

问：它能处理我的数据吗？
答：首先检查：长度≥1000点，没有强烈趋势，并且预期有明显变化。如果满足，它应该能工作。如果不满足，工具会告诉您无法分析。