我应该如何标准化加速度传感器的数据?


9

我正在处理大量加速度计数据,这些数据是由许多对象佩戴的多个传感器收集的。不幸的是,这里似乎没有人知道设备的技术规格,而且我认为它们从未进行过校准。我没有关于设备的大量信息。我正在研究硕士学位论文,加速度计是从另一所大学借来的,所以情况有点不透明。那么,在设备上进行预处理?没有线索。

我所知道的是它们是具有20Hz采样率的三轴加速度计。数字的,大概是MEMS。我对非语言行为和手​​势感兴趣,根据我的消息来源,这些行为和手势通常会在0.3-3.5Hz的范围内产生活动。

规范化数据似乎很有必要,但是我不确定该使用什么。数据的很大一部分接近于其余值(从重力开始,原始值约为1000),但有些极端,例如某些日志中的最大值为8000,而另一些日志中的最大值为29000。请参见下图。我认为用max或stdev进行归一化是一个坏主意。

在这种情况下,通常的做法是什么?除以中位数?百分位数值?还有吗

作为附带问题,我也不确定是否应该限制极端值。

感谢您的任何建议!

编辑:这是大约16分钟的数据(20000个样本)的图表,可让您大致了解数据的分布方式。

在此处输入图片说明


1
您能否提供有关测量设置的更多信息?出现的问题是:(1)这些单轴加速度计还是多轴加速度计?(2)它们是否经过高通滤波,如果是,则如何?(根据您的描述,听起来好像不是。)(3)您到底要测量什么,并且感兴趣信号的频率范围是多少?(4)您所使用的加速度计的传感机制(即MEMS,压电式,电容式等)是什么,甚至是零件号(!)?...
红衣主教2012年

...(续)(5)这些是全数字的还是您有自己的ADC(可能是16位,可能由您提供的描述)?
主教

@cardinal:我对您问题的答案进行了编辑,感谢您的提问。不确定什么是ADC。我参与了实验,但没有参与从设备内存中提取数据,数据收集与接收一堆二进制日志的位置之间存在差距。
Junuxx 2012年

嗨,Junuxx。对不起,原因不明的首字母缩写(ADC =“ analog-to-digital converter”); 我隐式地假设您会根据自己的问题识别它。
主教2012年

1
您想从这些数据中找出什么?您是否正在尝试检测某些类型的事件,估计事件的频率,估计平均加速度,找到不同的加速度计之间的相关性……?问题的关键是,如果你想好,相关的咨询,不要问有关的数据(这可能是无关紧要的,甚至无用的,这取决于应用程序)技术程序:先告诉我们什么问题你正在试图解决的问题。
ub

Answers:


14

您在上方显示的原始信号似乎未经过滤和校准。适当的过滤校准以及一些伪影排除将有效地标准化数据。使用加速度计数据的标准方法如下:

  1. 滤波器-例如4阶,零相位IIR低通或带通滤波器
  2. 伪影拒绝-基于阈值
  3. Calibrate-Ferraris等人的方法(三轴速率陀螺仪和加速度计的毫不费力的现场校准程序,F Ferraris,U Grimaldi,M Parvis-Sensors and Actuators,1995)方法非常适用。

建议对惯性传感器数据进行伪影剔除。我担心您不知道数据的来源,因此不能保证传感器正确一致地(在方向和物理位置方面)固定在所有对象上。如果传感器安装不正确,则信号中会出现很多伪像,因为传感器可能会相对于身体部分移动。同样,如果传感器在不同对象上的放置方向(放置方式)不同,则很难在各个对象之间比较数据。

考虑到您报告的异常值的大小,它们似乎很可能是伪像。这样的伪像几乎可以肯定会歪曲任何校准计算(尽管通过适当的滤波会降低其影响),因此应剔除伪像执行校准。

一个简单的阈值可以很好地用于初始伪像排除程序,即删除(或替换为NaN)超过某个经验阈值的所有样本。更复杂的技术将使用移动平均值或移动窗口来自适应地计算此阈值。

根据传感器的位置,您可能还希望校正重力对加速度信号的影响,尽管对传感器轴和位置的详细了解在这里至关重要。Moe-Nillson方法(R. Moe-Nilssen,一种在实际环境条件下评估步态运动控制的新方法,第1部分:仪器,《临床生物力学》,第13卷,第4-5期,1998年6月至7月,第320-327页)是最常用的,适用于背面后安装的惯性传感器。

开始检查数据以进行手势识别的一个好地方是将经过过滤,校准的数据分解为历元(例如10 s),并计算每个历元的许多特征,并将这些特征与数据的标签相关联,我可以在不进一步了解数据集和相关标签的情况下提供更具体的建议。

希望这可以帮助。


@BGreene,这是一个了不起的回复,非常感谢!引用也非常有用。我希望我几个月前问过这个问题。传感器被戴在脖子上的绳索上(不是我的主意),因此相对于身体肯定有很多运动。我认为您的一些建议可能更适合于进一步的研究,但至少它们对我的“未来工作”部分会有所帮助。幸运的是,识别部分不是问题,我在机器学习方面确实有相当扎实的背景,但是也感谢您的建议。
Junuxx 2012年

没问题。在那种情况下,我认为您将只能检查总体运动,因为绳索意味着您无法可靠地说出身体的运动方式,只能说传感器。您可能可以推断出,较大的传感器输出值等同于较大的总体运动,但是您确实会损失很多正确安装的传感器的清晰度。
BGreene

(昨天+1)在上述(1.)中可能要考虑几件事。由于感兴趣的频率范围的下限非常小,因此可以考虑的另一种选择是简单地应用低通滤波器并减去平均值。其次,在这种情况下,可以考虑使用线性相位有限冲激响应滤波器来代替IIR滤波器。我之所以这么说,是因为我怀疑要通过使用多轴加速度计信号来预测手势,人们会希望保持运动独立于频率。(续)
红衣主教

(...)IIR滤波器的非线性相位响应将使不同的分量移动不同的量,并且在截止频率附近,这种影响趋于恶化。由于一切都是数字化的,因此选择线性相位FIR滤波器是有意义的。通常,人们对瞬态响应的控制也更好。:-)
红衣主教

@cardinal多数民众赞成在全部-在上面修改了我的回复。刚刚检查了我的代码-我最近的加速度计算法使用了零相位Butterworth IIR滤波器。虽然我倾向于避免扣除平均短数据段
BGreene
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.