【发布时间】：2017-11-15 21:52:28
【问题描述】：
我有一个传感器，它每分钟持续收集数据（以蓝色显示），并输出电压输出。我有一个参考传感器收集数据（以红色显示），以我感兴趣的单位输出。我有兴趣确定一个比例因子，以便我可以缩放蓝色传感器的数据以匹配红色传感器的数据。
通常，我会在任何给定时间在两个传感器的值之间进行简单的线性回归，这会给我一个基于回归斜率的比例因子。然而，我注意到，红色传感器在感知环境变化方面的速度较慢，并且可能落后 6-15 分钟——这使得回归变得困难，因为在任何给定时间，两个传感器可能测量不同的事物。
我想知道是否可以执行任何类型的曲线拟合，以便我可以提取比例因子，以便我可以缩放蓝色传感器的数据以匹配红色传感器。
我通常使用 Python 工作，因此任何有助于解决此问题的 Python 包（例如 Numpy/Scipy）都会特别有帮助。
【问题讨论】：
-
您可以获得滞后，然后将一个信号移动该滞后，然后进行线性回归规模计算。 stackoverflow.com/questions/39336727/… 我还要看 scipy 信号互相关：docs.scipy.org/doc/scipy-0.16.1/reference/generated/…
-
感谢您的回复！我考虑过这样做，但我的问题是我的滞后在整个测量期间并不一致（例如，一个峰值可能落后 6 分钟，然后下一个峰值可能是 10 分钟）。你有什么好的策略来解决这个问题吗？
-
您不能使用带有 KL 散度测量的 RBT 来“找到两条曲线之间最接近的”匹配吗？ （您的问题应该与 2D 图像融合相同）。所以你可以制定一个最小化问题并使用 sk learn 或 scipy 来解决它。
标签： python python-3.x signal-processing