我有一个正在读取的传感器，目前代码是 Java，但我不认为问题是特定于语言的，更多的方法相关。
传感器产生高低脉冲信号，大致类似于心跳。然而，“高”脉冲并不总是相同的电平，“低”也不是。我感兴趣的是相对差异。但是，仅此还不够，因为在单个“会话”内，高值和低值也可能发生变化（想想弯曲的中点）
我已经包含了我希望能够处理的 4 种“类型”信号的图像。左上角是“理想”，我很确定我已经可以处理了，遗憾的是其他三个更常见且不太容易处理。
我目前的方法是寻找数据的平均值，看看有多少次跨越该点，这将告诉我有多少高脉冲和低脉冲。
我想知道是否有一种简单的方法来检测高低脉冲，而不使用平均方法。
【问题讨论】：
当您说要提取波的频率时，我首先想到的是傅立叶变换；这将信号从时域转换到频域。给定以下示例波形：
这是我添加噪声和趋势的正弦方式。底层正弦波的频率为 1.5Hz
你得到这个傅立叶变换
在这里您可以看到 0hz 处的大响应，这是线性趋势，在这种情况下我们可以忽略它。之后，您可以在 1.5Hz（我们输入信号的频率）处看到响应中的一个峰值。换句话说;一旦你进行了傅立叶变换，你的结果就是具有最大值的数据点（在你删除了非常低的频率结果之后）
Apache commons 有一个快速傅立叶变换类，我用它来创建这个变换。它将波形的采样数据作为输入并输出一个复数，复数的模数（实部平方的平方根加上虚部平方的平方根）为equal to the energy at that frequency。输出数组中的每个条目i 引用i*samplingFrequency/noOfSamples 处的频率。
但是，下面的 java 代码很大程度上会为您处理这些问题。快速傅立叶变换的唯一问题是输入条目的数量必须是 2 的幂。
import org.apache.commons.math3.complex.Complex;
import org.apache.commons.math3.transform.DftNormalization;
import org.apache.commons.math3.transform.FastFourierTransformer;
import org.apache.commons.math3.transform.TransformType;
public class FourierTest {
public static void main(String[] args) {
double samplingFrequency=10; //hz, You will know this from your data and need to set it here
double[] frequencyDomain = new double[input.length];
FastFourierTransformer transformer = new FastFourierTransformer(DftNormalization.STANDARD);
try {
Complex[] complex = transformer.transform(input, TransformType.FORWARD);
for (int i = 0; i < complex.length; i++) {
double real = (complex[i].getReal());
double imaginary = (complex[i].getImaginary());
frequencyDomain[i] = Math.sqrt((real * real) + (imaginary * imaginary));
}
} catch (IllegalArgumentException e) {
System.out.println(e);
}
//only to frequencyDomain.length/2 since second half is mirror image or first half
for(int i=0;i<frequencyDomain.length/2;i++){
double frequency=samplingFrequency*i/frequencyDomain.length;
System.out.println("Frequency: " + frequency + "\t\tEnergyComponent: " + frequencyDomain[i]);
}
}
static double[] input = new double[]{
0.017077407 , //sample at 0 seconds
1.611895528 , //sample at 0.1 seconds
2.063967663 , //sample at 0.2 seconds
1.598492541 , //etc
0.184678933 ,
0.02654732 ,
0.165869218 ,
1.026139745 ,
1.914179294 ,
2.523684208 ,
1.71795312 ,
0.932131202 ,
1.097366772 ,
1.107912105 ,
2.843777623 ,
2.503608192 ,
2.540595787 ,
2.048111122 ,
1.515498608 ,
1.828077941 ,
2.400006658 ,
3.562953532 ,
3.34333491 ,
2.620231348 ,
2.769874641 ,
2.423059324 ,
2.11147835 ,
3.473525478 ,
4.504105599 ,
4.325642774 ,
3.963498242 ,
2.842688545 ,
2.573038184 ,
3.434226007 ,
4.924115479 ,
4.876122332 ,
4.553580015 ,
3.92554604 ,
3.804585546 ,
3.476610932 ,
4.535171252 ,
5.398007229 ,
5.729933758 ,
5.573444511 ,
4.487695977 ,
4.133046459 ,
4.796637209 ,
5.091399617 ,
6.420441446 ,
6.473462022 ,
5.663322311 ,
4.866446009 ,
4.840966187 ,
5.329697081 ,
6.746910181 ,
6.580067494 ,
7.140083322 ,
6.243532245 ,
4.960520462 ,
5.100901901 ,
6.794495306 ,
6.959324497 ,
7.194674358 ,
7.035874424
};
}
【讨论】：
找到变化方向改变的点。在微积分方面，这是二阶导数。
基本上，您正在寻找sign(f(x)-f(x-1)) 与sign(f(x+1)-f(x)) 相对的点
根据您的数据采集，有几种方法可以做到这一点。如果您添加有关您的特定问题的更多信息，我将编辑答案以提供更多帮助。
【讨论】：
看起来，您只需要高频。使用high-pass filter
【讨论】：