ฉันถามคำถามนี้ไปที่ StackOverflow และแนะนำให้ถามที่นี่
ฉันมีชุดข้อมูล accelerometer 3D สองชุดที่มีช่วงเวลาต่างกัน (นาฬิกาเริ่มต้นในเวลาที่แตกต่างกันโดยมีการคืบเล็กน้อยเล็กน้อยในช่วงเวลาการสุ่มตัวอย่าง) รวมถึงมีช่องว่างขนาดต่าง ๆ มากมาย (เนื่องจากความล่าช้าที่เกี่ยวข้องกับการเขียนแยก อุปกรณ์แฟลช)
accelerometers ฉันใช้มีราคาไม่แพงGCDC X250-2 ฉันใช้เครื่องวัดความเร่งเพื่อให้ได้ประโยชน์สูงสุดดังนั้นข้อมูลจึงมีจุดรบกวนที่สำคัญ
อนุกรมเวลาแต่ละชุดมีจุดข้อมูลประมาณ 2 ล้านจุด (มากกว่าหนึ่งชั่วโมงที่ 512 ตัวอย่าง / วินาที) และมีประมาณ 500 เหตุการณ์ที่น่าสนใจโดยที่เหตุการณ์ทั่วไปครอบคลุมตัวอย่าง 100-150 ตัวอย่าง (แต่ละ 200-300 มิลลิวินาที) หลายเหตุการณ์เหล่านี้ได้รับผลกระทบจากการขาดข้อมูลในระหว่างการเขียนแฟลช
ดังนั้นข้อมูลนั้นไม่ได้บริสุทธิ์และไม่ได้สวยมากนัก แต่การตรวจลูกตาของฉันแสดงให้เห็นอย่างชัดเจนว่ามันมีข้อมูลที่ฉันสนใจ
มาตรวัดความเร่งอยู่ในสภาพแวดล้อมที่คล้ายกัน แต่อยู่ในระดับปานกลางเท่านั้นซึ่งหมายความว่าฉันสามารถบอกด้วยตาเปล่าว่าเหตุการณ์ใดที่ตรงกับมาตรความเร่งแต่ละตัว แต่ฉันก็ไม่ประสบความสำเร็จเท่าที่เคยทำมา เนื่องจากข้อ จำกัด ทางกายภาพอุปกรณ์ต่าง ๆ ก็ถูกติดตั้งในทิศทางที่แตกต่างกันซึ่งแกนไม่ตรงกัน แต่พวกมันอยู่ใกล้กับมุมฉากที่สุดเท่าที่ฉันจะทำได้ ตัวอย่างเช่นสำหรับ accelerometers 3 แกน A & B, + Ax maps ไปที่ -By (ขึ้น - ลง), + แผนที่ Az ไปที่ -Bx (ซ้ายขวา), และ + Ay maps ไปยัง -Bz (ด้านหน้า - หลัง) .
เป้าหมายเริ่มต้นของฉันคือการสร้างความสัมพันธ์เหตุการณ์ช็อตบนแกนตั้งแม้ว่าในที่สุดฉันก็อยากจะ) ค้นพบการแมปแกนโดยอัตโนมัติข) กิจกรรมที่สัมพันธ์กันบนเอซที่แมปและ c) แยกความแตกต่างของพฤติกรรมระหว่าง accelerometers สองตัว หรืองอ)
ธรรมชาติของข้อมูลอนุกรมเวลาทำให้ Numpy.correlate () ของ Python ใช้ไม่ได้ ฉันดูแพคเกจ R's Zoo แล้ว แต่ก็ไม่ได้ทำอะไรเลย ฉันดูการวิเคราะห์สัญญาณที่แตกต่างกันเพื่อขอความช่วยเหลือ แต่ฉันไม่คืบหน้า
ใครมีเบาะแสเกี่ยวกับสิ่งที่ฉันสามารถทำได้หรือแนวทางที่ฉันควรวิจัย?
อัปเดต 28 กุมภาพันธ์ 2554: เพิ่มบางส่วนที่นี่เพื่อแสดงตัวอย่างของข้อมูล