加速度計信号セグメント化

Question

私は1D加速度計信号（1軸のみ）を持っています。私は信号のいくつかの形を認識することができる堅牢なアルゴリズムを作りたいと思います。

まず、ロー信号に移動平均フィルタを適用します。添付の画像では、生信号は赤色に着色され、平均信号は黒色になります。画像からわかるように、いくつかの傾向は平均化された（黒色の）信号から見ることができます。信号にはピークのようなパターンの10回の繰り返しが含まれ、加速度が最大に上昇してから再び下がります。私はそれらのパターンの始まりと終わりを十字でマークしました。

私の目標は、マークされた位置を自動的に見つけることです。パターン抽出が困難になる問題がある：

• パターンの開始は、パターン
• の終わりとは異なるyの値を持つことができ、パターンは私が持っていない複数のピーク
• を持つことができます具体的な時間情報（パターンの開始から終了までの時間単位）

私はかなり自宅醸造している別のアプローチを試したので、私はそれらを言及しません - 私の考え方に偏って欲しい。そのようなパターン抽出を行うための標準的なアプローチや本のアプローチがありますか？あるいは誰でも問題を頑強な方法で解決する方法を知っていますか？

ご了承ください。

Answer 1

移動平均はダンパーデバイスとして十分です;そのまま残しておいてください。多すぎるノイズが残っているか、あまりにも多くの信号を取り除いていることがわかったら、サンプル数を増減してください。その後、この平均信号を排他的に処理します。

あなたが探しているパターンマーカーは比較的検出しやすいようです。英語で表現すると、これらのマーカーは次のとおりです。が顕著にに負の値をとったときの平均読み取り値曲線における変曲点。
ターゲット=
したがって、と一緒に計算された勾配値を比較することによってがこの状況を検出できるはずです。新しい読み取り値のそれぞれが利用可能になります（当然のことながら、次の[数]ポイントの平均読み取り値が利用可能な場合にのみ計算することができます）

しかし、誤検出を避けるには、は望ましくないパターンのフィルタリングを目的とするいくつかのパラメータを定義する必要があります 。これらのパラメータは、上記の目標定義の中で「著しく」という意味をより正確に定義します。

一応注目点を検出するための式は、この
    （-1 * S _（T-1） + S _T）> Min_delta_Slope

ように単純であってもよいですSは時刻t-1およびtにおける勾配（これについてはこれ以上）
Min_delta_Slopeは、最小限必要な勾配の変化を「シャープに」定義するパラメータです。
正規化されたt単位とY単位を仮定すると、Min_delta_Slopeパラメータを1に近いかそれ以上に設定することができます。直感的に1の値（正規化された単位で）は、曲線 "到着" 50％を上回り、上向きの傾き50％（または40％+ 60％または10％、すなわちほぼ平坦で90％、すなわちほぼ垂直）のポイントを残した。これは単に曲線の小さなディップとき、我々は

    （PM2 * S _{（tは言うような手の込んだ式で、考慮より多くのポイントを取ることができる場合に点を検出避けるため
-2）} + Pm1を* S _（T-1） + P0 * S _T + Pp1をS _{（T + 1）}）> Min_delta_Slope
Pm2に、Pm1と、P0とPp1をは係数
その関心のある点の前後の様々な点での勾配。 （PM2とPm1を典型的には負の値我々は唯一の正のパラメータを使用し、式中、負の符号を使用しない限り）
S _{トン+/- N}が斜面である種々の時間
とMin_delta_Slopeがどのように「シャープ」を定義するパラメータであります私たちが最低限必要とする勾配の変化。
直観的には、この4ポイントの式は、ポイントの2つ前の読み取り値と2つの読み取り値のポイント（前後のポイントを考慮することに加えて）での曲線の形状を考慮に入れます。パラメータに適切な値が与えられれば、2つのタイムスライスのために曲線が着実に「下がる」ことを要求し、次の2つのタイムスライスに着実に上昇し、曲線のより小さいディップをマークすることを避ける必要がある。
これを達成する別の方法は、から2つの（以上）のタイムスライスからの[平均]読み取り値と現在の[平均値]読み取り値のY値の差を使用して勾配を計算することです。これらの2つのアプローチは類似していますが、わずかに異なる結果を生成します。一般的には、Pm2、Pm1、P0、P1パラメータを使用して、カーブの望ましい形状をより詳しく説明します。

Answer 2

関連する種類のもの（風景を別々の集水域に分ける）を行う流域セグメンテーションを見たいと思うかもしれません。奇妙なことに、私は実際に現時点で流域を多く使用する博士論文を書いています（真剣に:) :)