信号类型：

• 根据它们的范围集（值）：实值，复值；

• 根据它们的维度：标量、向量；

• 根据它们的值：连续振幅，量化；

• 根据他们的域集（参数）：连续时间，离散时间：

• 根据他们的映射：确定性，随机（随机）；

• 根据他们的性格：周期性、偶数、奇数、对称……；

时间序列是离散时间随机序列的另一个名称，它是一些离散时间随机过程的一个实例。由于它是一个随机信号，序列样本没有一个数学公式将点沿序列相互连接，因此它被视为根据某种概率规律生成的一系列数字。

考虑以下问题：您生成一个连续时间确定性信号$x(t)$通过激发一个振荡器，该振荡器产生一个频率、相位和幅度完全已知的周期性正弦波。然后对该信号进行采样以产生离散时间序列$x[n]$. 关键是，仅通过观察采样信号，您无法判断样本序列是否实际上属于具有可用于生成所有样本的数学公式的确定性信号，或者它们属于随机过程，其值恰好适合观察到的正弦波（概率非常小（不可能），但并非不可能）。因此，任何这样的序列都可以被视为表示为时间序列的随机数字序列。

经过一定程度的分析，你可能会得出结论，观察到的数字序列可能属于某个频率、相位和幅度的确定性正弦波。但这个扣除只是一个估计。真相无法得知，但可以计算出精确的预测。

显然存在用于“局部放电”数据聚类的 R 包：pdCluster: Partial Discharges Clustering。

局部放电测量分析可以确定缺陷的存在。该软件包为局部放电信号的特征生成、探索性图形分析、聚类和变量重要性量化提供了多种工具。

这可能是一个起点。在下面的描述中，我用粗体表示了“阻尼指数”或“阻尼正弦曲线”的概念，它可以描述数据的形态。这是非平稳数据的一个实例。

一个干净的局部放电信号可以看作是阻尼复指数的有限组合。在这种假设下，所谓的 Prony 方法允许估计信号的频率、幅度、相位和阻尼分量。

近期发表的基于电流峰值、电荷和能量计算的局部放电源分离的新聚类技术，2017 年的论文可能会提供其他关键参考。