基于具有不同采样时间的两个数据系列创建新的数据系列

Question

我有两个数据集，分别是速度和方向数据，以不同的时间步长记录。

一个数据集 (A) 每 10 分钟记录一次，另一个 (B) 每小时记录一次。

开始时间并不完全相同。

• A（速度和方向数据）每 10 分钟采样一次，例如00.00, 00.10, 00.20, ...

• B（方向数据）每小时采样一次，例如23.54, 00.54, 01.54, ...

我想基于数据集A 创建一个新版本的数据集B，其中包含方向数据（一种合成数据集），我从数据集@987654327 中每10 分钟填写一次记录@并保留数据集B每小时的原始记录。

示例数据：

% columns: timestamp, direction, speed
A = [732381.006944445  22.70  2.23 
     732381.013888889  18.20  3.41 
     732381.020833333  31.00  6.97 
     732381.027777778  36.90  5.63]; 


% columns: timestamp, direction
B = [732381.038078704   3.01 
     732381.079745370   5.63 
     732381.121412037   0.68 
     732381.163078704 359.56]; 

..我想要这样的东西..

% columns: timestamp, direction
B_new = [732381.038078704 'some value based on value in A at that time' 
         732381.079745370 'some value based on value in A at that time'  
         732381.121412037 'some value based on value in A at that time'  
         732381.163078704 'some value based on value in A at that time']; 

所以B_new 矩阵中的第一列是 10 分钟的时间戳，而不是一小时的原始时间戳。 IE。我们创建一个新的时间序列（B_new），采样时间为 10 分钟。所以像你这样的东西已经展示了@Wolfie，但时间步长为矩阵A。

将B 中的方向数据分配为A 中最近可用时间的方向数据，同时仍保持与新矩阵B 中的A 相同的数据采样的最佳方法是什么？

Answer 1

这很容易通过interp1（一个表格查找功能）实现。

---

内插到较慢的采样

假设您有一些不错的干净数据 A 和 B 用于此演示...

% Columns: time (0.1s timestep), data (just the row number)
A = [ (1:0.1:2); (1:11) ].';
% Columns: time (1.0s timestep), data (doesn't even matter, to be removed)
B = [ (1:1:2); rand(1,2) ].';

现在我们使用interp1 从A 获取最接近的数据值（就时间列而言）并将其分配给B_new。

B_new = zeros(size(B)); % Initialise 
B_new(:,1) = B(:,1);    % Get time data from B
% Get nearest neighbour by specifying the 'nearest' method.
% Using 'extrap' means we extrapolate if B's times aren't contained by A's
B_new(:,2) = interp1(A(:,1), A(:,2), B_new(:,1), 'nearest', 'extrap');

% Output
disp(B_new)
% >> [ 1   1
%      2  11 ]
% This is as expected, because 1 and 11 are the values at t = 1 and 2 
% in the A data, where t = 1 and 2 are the time values in the B data.

---

内插到更高的采样率

我们也可以反其道而行之。您建议您获取一些基本数据A，并填写您对B（或最接近的匹配项）的点数。

B_new = A;    % Initialise to fast sample data
% Get row indices of nearest neighbour (in time) by using interp1 and mapping
% onto a list of integers 1 to number of rows in A 
idx = interp1(A(:,1), 1:size(A,1), B(:,1), 'nearest', 'extrap');
% Overwrite those values (which were originally from A) with values from B
B_new(idx,2) = B(:,2);