比较相似的传感器信号

Question

我有一组传感器信号样本（包含大约 10 个读数，同时包含 X、Y 和 Z 轴读数）用作训练集，我们称之为集合 (s1)。该程序每 2 秒不断列出传感器信号，我们将其称为 (h1)。现在，我想做的是使用 h1（其中包含单个信号读数）并将其与训练信号集（s1）进行匹配。

所以从（s1），与（h1）最相似的信号（强相似性，如信号峰值、峰值电平等）。

这可以使用神经网络轻松完成吗？处理信号时有什么特别要注意的吗？傅里叶变换？

如果神经网络是要走的路，那么任何特定算法都适合处理这类数据。我目前正在制作一个使用加速度计数据评估路面的应用程序。

我正在处理的信号示例如下。

Date= 1/1/2012 (dd:mm:yyyy) Time= 1:45:2 (hh:mm:ss)
Speed Bump Recording Started at 1:45:2 (hh:mm:ss)
X-Value = -0.141905, Y-Value = 8.436457, Z-Value = 5.019961, Timestamp(milliseconds) = 75002
X-Value = -0.218546, Y-Value = 8.244855, Z-Value = 4.828360, Timestamp(milliseconds) = 75201
X-Value = 0.317939, Y-Value = 8.781339, Z-Value = 4.866680, Timestamp(milliseconds) = 75401
X-Value = 0.088017, Y-Value = 8.014933, Z-Value = 4.981641, Timestamp(milliseconds) = 75602
X-Value = 0.011376, Y-Value = 7.976613, Z-Value = 5.633086, Timestamp(milliseconds) = 75802
X-Value = 0.164658, Y-Value = 8.934620, Z-Value = 4.790039, Timestamp(milliseconds) = 76001
X-Value = -0.141905, Y-Value = 8.474776, Z-Value = 3.985312, Timestamp(milliseconds) = 76202
X-Value = 0.432900, Y-Value = 8.781339, Z-Value = 4.636758, Timestamp(milliseconds) = 76402
X-Value = -0.141905, Y-Value = 9.471105, Z-Value = 4.138594, Timestamp(milliseconds) = 76601
X-Value = 0.202978, Y-Value = 8.704699, Z-Value = 3.525469, Timestamp(milliseconds) = 76800
X-Value = 0.394579, Y-Value = 7.440128, Z-Value = 3.640430, Timestamp(milliseconds) = 77001
X-Value = -0.448467, Y-Value = 6.903644, Z-Value = 4.023633, Timestamp(milliseconds) = 77203
X-Value = -0.640069, Y-Value = 11.195518, Z-Value = 9.005274, Timestamp(milliseconds) = 77401
X-Value = -0.065264, Y-Value = 5.945636, Z-Value = 4.176914, Timestamp(milliseconds) = 77604
X-Value = -0.755030, Y-Value = 9.317823, Z-Value = 4.675078, Timestamp(milliseconds) = 77801
X-Value = -0.563428, Y-Value = 8.896300, Z-Value = 5.824687, Timestamp(milliseconds) = 78003
X-Value = -0.410147, Y-Value = 8.014933, Z-Value = 5.211563, Timestamp(milliseconds) = 78201
X-Value = -0.371827, Y-Value = 8.168214, Z-Value = 5.173242, Timestamp(milliseconds) = 78401
Speed Bump Recording Stopped at 1:45:6 (hh:mm:ss)

Answer 1

不确定我是否完全理解这个问题。如果您想在 s1 中找到最接近单个读数 h1 的单个条目，并且 X、Y 和 Z 分量中的每一个都同样重要，那么您可以

• 扫描 s1 中的元素列表，
• 计算每个错误值，然后
• 选择误差最小的那个。

如果sx、sy、sz是s1中一个元素的分量，hx、hy、hz是h1的分量，那么可以计算：

error = (sx - hx)^2 + (sy - hy)^2 + (sz - hz)^2

在几何上，如果您在 3D 空间中绘制所有点，您可以将其解释为在 s1 中找到最接近读数 h1 的元素。 error 的值是 s 和 h 中元素之间距离的平方。

---

另一方面，如果您想在 sequences 点之间找到最佳匹配，则需要使用cross-correlation。为此，您将对一个序列中的每个元素与另一个序列中的相应元素进行逐个乘法，将所有乘积相加，然后除以序列的长度。最终结果越大，序列匹配越接近。

如果第一个序列包含点 A1, A2, A3, ..., An
第二个序列包含点 B1, B2, B3, ..., Bn
每个点都包含一个 x、y 和 z 分量，然后你会计算：

C(A,B) = [  (A1x * B1x) + (A1y * B1y) + (A1z + B1z) 
          + (A2x * B2x) + (A2y * B2y) + (A2z * B2z)
          ...
          + (Anx * Bnx) + (Any * Bny) + (Anz * Bnz)
         ] / n