我应该如何标准化加速度传感器的数据？

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。

您在上方显示的原始信号似乎未经过滤和校准。适当的过滤和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且一致地（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），因此应在剔除伪像后执行校准。

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，适用于背面靠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。