我有两个3D加速度计的时间序列数据,它们具有不同的时间基准(时钟在不同时间开始,采样时间中有一些非常轻微的偏移),并且包含许多不同大小的间隙(由于写入不同闪存设备的延迟造成)。
我使用的加速度计是廉价的GCDC X250-2。我将加速度计的增益调到最高点,因此数据有显著的噪声水平。
每个时间序列约有2百万个数据点(每秒512个样本,持续一个小时),并且包含大约500个感兴趣的事件,其中典型事件跨越100-150个样本(每个200-300毫秒)。在闪存写入期间,许多事件受到数据中断的影响。
因此,数据不完美,甚至不太好看。但是我的肉眼检查清楚地显示了包含我感兴趣信息的数据。(如果需要,我可以发布图表。)
加速度计处于类似的环境中,但只是适度耦合,这意味着我可以通过肉眼判断哪些来自每个加速度计的事件相匹配,但是我目前在软件中还没有成功。由于物理限制,这些设备也安装在不同的方向上,其中轴不匹配,但它们尽可能靠近正交。因此,例如,对于3轴加速度计A和B,+ Ax映射到- By(上下),+ Az映射到- Bx(左右),+ Ay映射到- Bz(前后)。
我的最初目标是在垂直轴上相关冲击事件,尽管我最终想要a)自动发现轴映射,b)相关映射轴上的活动,以及c)提取两个加速度计之间的行为差异(例如扭曲或弯曲)。
由于时间序列数据的特性,Python的numpy.correlate()无法使用。我还尝试了R的Zoo包,但没有取得任何进展。我已经寻求不同领域的信号分析帮助,但没有取得任何进展。
有人有什么线索可以提供给我,或者我应该研究哪些方法?
2021年2月28日更新:在此处添加了一些图表here,显示数据的示例。
我使用的加速度计是廉价的GCDC X250-2。我将加速度计的增益调到最高点,因此数据有显著的噪声水平。
每个时间序列约有2百万个数据点(每秒512个样本,持续一个小时),并且包含大约500个感兴趣的事件,其中典型事件跨越100-150个样本(每个200-300毫秒)。在闪存写入期间,许多事件受到数据中断的影响。
因此,数据不完美,甚至不太好看。但是我的肉眼检查清楚地显示了包含我感兴趣信息的数据。(如果需要,我可以发布图表。)
加速度计处于类似的环境中,但只是适度耦合,这意味着我可以通过肉眼判断哪些来自每个加速度计的事件相匹配,但是我目前在软件中还没有成功。由于物理限制,这些设备也安装在不同的方向上,其中轴不匹配,但它们尽可能靠近正交。因此,例如,对于3轴加速度计A和B,+ Ax映射到- By(上下),+ Az映射到- Bx(左右),+ Ay映射到- Bz(前后)。
我的最初目标是在垂直轴上相关冲击事件,尽管我最终想要a)自动发现轴映射,b)相关映射轴上的活动,以及c)提取两个加速度计之间的行为差异(例如扭曲或弯曲)。
由于时间序列数据的特性,Python的numpy.correlate()无法使用。我还尝试了R的Zoo包,但没有取得任何进展。我已经寻求不同领域的信号分析帮助,但没有取得任何进展。
有人有什么线索可以提供给我,或者我应该研究哪些方法?
2021年2月28日更新:在此处添加了一些图表here,显示数据的示例。