来自不同传感器的数据同步

Question

所以我们有一个检测人类活动的系统，他身上有多个传感器（加速度计等......），每个传感器都通过机器学习算法单独学习。因此，传感器可以发送：例如“我认为 80% 的人是站立的”。目前我们已经通过同步数据集实现了这一点，但在现实生活中，传感器是异步的，并且在不同的时间发送数据（每个传感器的时钟不同）。所以问题是我们如何从一个空数据的数据集中“同步”一个数据集。

示例（每行每 50 毫秒）：

那么我怎样才能用一个值填充空单元格以获得所有传感器的响应，因为我们有一个融合函数，当我们有一行数据时，这个人正在做什么活动。

我希望你明白我在搜索什么。我认为我们需要一些数学函数来填充空单元格，如线性函数或其他，但我需要确定，我没有在网上找到证实或告诉我使用什么函数的研究报告。

Answer 1

在我看来，这取决于您希望输出的频率。从您的帖子看来，您似乎希望以最快的传感器时钟运行。

拥有多个传感器的目的是增加可用信息量。通过从您已有的信息中填写“缺失值”，您很可能最终需要更多的计算来获得没有或几乎没有附加值的结果。

这里有两种我能想到的解决方案，一种简单，另一种稍微复杂一些，具体取决于您的级别、您使用的平台以及可用的库。

1。等待所有传感器

一个简单的解决方案是等待所有（或部分）传感器发送一个值，然后再启动融合处理。这提供了明确的结果，但“低”帧率

2。卡尔曼滤波器

如果您愿意更深入地获取这些值，获得更快的刷新率，并且不介意花费一些处理能力，您可以在每个传感器上使用一些预测滤波器，如卡尔曼滤波器来估计它的值基于它之前在 dt 时的演变，此时您尚未收到来自真实传感器的值。仅当您估计的持续时间相对于其值的变化非常短时，这才有效。这也可以让您超越最快传感器的速度。 Here 是对卡尔曼滤波器的初学者友好解释。