从多条曲线中提取特征

Question

我从不同的传感器获得了多条曲线，但都连接在同一个移动对象中。

现在我想从中提取特征，假设我已经将 0-10 剪切为 window1，所以在 window1 中我得到了 5 个图形，每个图形代表一个特定位置的传感器，每个传感器生成 3 条曲线，x(red ) ,y(green),and z(blue)，如下图：

**整个图是一个窗口

由于所有传感器都连接在同一个移动对象中，我认为这些图形和曲线应该有一些关系，我可以将其用作机器学习算法（尤其是 SVM）中的特征。但是他们太多了，我有点迷茫。

我可以从这个单一窗口生成多少合理的特征？

非常感谢您提供任何建议.. 谢谢！

Answer 1

您可以通过求解orthogonal Procrustes problem，将不同的时间序列转换为生活在同一坐标系中。

这是你给我的五个欧拉角数组（它们以 169x3 numpy 数组的形式存储在 arr[0] 到 arr[4]）：

现在我们通过以下 Python 例程解决正交 Procrustes 问题，它允许我们旋转一个数组以尽可能接近地匹配另一个数组：

def rotate_into(arr0, arr1):
    """Solve orthogonal Procrustes problem"""
    M = dot(arr0.T, arr1)
    (U,S,V) = svd(M)
    Q = dot(U, V)  # the rotation matrix which transforms arr0 into arr1
    return arr0.dot(Q)

svd 是奇异值分解，位于numpy.linalg.svd。现在我们可以将此例程应用于每个数组并将其转换为尽可能接近参考数组，这里是第一个：

reference = 0

for i in range(0,5):
    subplot(2,3, i+1)
    plot(rotate_into(arr[i], arr[reference]))

现在所有系列都具有可比性，您可以通过取均值、标准差等轻松计算特征。