麻烦理解矩阵列的滑动窗口，Matlab中的一般和特定情况

Question

我是菜鸟，我在 Slinding Window 的堆栈上发现了非常零散的信息。

我有一个 mXn 矩阵，其中 m 是固定的（纬度、经度、ax、y、az），n 可以从不同的日志中改变。

1) 我怎样才能只为 az 创建一个滑动窗口而不提取向量然后分析它？

2) 如果我想保存 az 标准差超过定义阈值的所有行，我该怎么做？

3) 如果日志长度不固定，我该如何处理？ （例如，一个文件包含 932 行，另一个包含 953 行）

4) 我读了很多问题，我正在研究 bsxfun 在这种情况下是如何工作的，但对我来说还不清楚（in this examples 我只是不明白 根据窗口大小创建一个新矩阵，然后分析新矩阵）（最后一个问题与我的土木工程师背景密切相关）

---

这是我学到的，并试图汇总。

滑动窗口是一个强大的工具，可以分析信号或图像。 当我试图向我的女朋友描述我在做什么时，我解释了 “就像用放大镜看书， 放大镜有一个定义的尺寸，你分析文本”

Matlab 上的基本方法，不是最有效的，这样做是

1.定义矢量尺寸

2。定义您的窗口尺寸

3.定义步数

这是我写的一个基本示例

a= randi(100,[1,50]);        %Generic Vector
win_dim=3;                   %Generic window size

num_stps=(length(a)-win_dim) %number of "slides", we need to subtract win_dim to avoid that the window will go over the signal 
threshold=  15 %Generic number only for the example
for i= 1:num_stps
    mean_win(i)=mean(a(i:i+win_dim -1); %we subtract 1 or we make an error, and the code analyzes a segment bigger than one unit 
    std_win(i)=std( a(i:i+win_dim -1);  %example for i=2 if we don't subtract 1 our segment starts from 2 until 5, so we analyze 
                                        % 2 3 4 5, but we defined a window dimension of 3
    If std_win(i)> threshold
    std_anomalies=std_win(i)             %here i think there is an error                                
end     

这样代码会在整个信号上滑动，但窗口会重叠。

如何确定“重叠率”（或幻灯片增量）？

我们可以将其定义为“两个相邻窗口共享多少信息？” 我所做的以下示例是完全错误的，但我在问这里之前尝试编写一些代码，目标本来希望是 一半的片段或没有重叠

的重叠

%Half segment overlap

a= randi(100,[1,20]); %Generic Vector
win_dim=4;  %generic window size    
%v is the increment vector in our case we desire to have 50% of overlap 
l= win_dim
if  l%2==0
    v=l/2
else 
    v=(l+1)/2
end     

for i= 1:num_stps
    if (i==1)
    mean_win(i)=mean(a(1:1+win_dim -1);
    else 
    mean(i)= mean(a (i+v:i+win_dim+v-1);
end

Answer 1

我喜欢这个问题的创造性方法！ :) 这就是你要找的吗？

a = rand(100, 5); % the data

window_size = 5; % size of the window
overlap = 2; % desired overlap
step = window_size - overlap; % compute the step

threshold = 0.3; % large std threshold

std_vals = NaN(size(a, 1), 1);
for i=1:step:(size(a, 1) - window_size)
    std_vals(i) = std(a(i:(i+window_size-1),5)); % calculate std of 5th col
end

% finding the rows with standard deviation larger than threshold
large_indexes = find(std_vals>threshold);

large_indexes 将为您提供标准偏差大于阈值的窗口的起始行。 std_vals 将为您存储所有标准差，以备日后需要。

如果你希望窗口中所有行的索引都满足你的阈值，你可以在最后添加这个

large_windows = zeros(numel(large_indexes), window_size);
for i=1:window_size
    large_windows(:,i) = large_indexes + i - 1;
end

large_windows 的每一行给出窗口中行的索引。