আমার অ্যাক্সিলেরোমিটার সেন্সর ডেটা কীভাবে সাধারণ করব?


9

আমি বহু বিষয় পরিহিত একাধিক সেন্সর সহ সংগৃহীত অ্যাক্সিলোমিটার ডেটার একটি বিশাল সেট নিয়ে কাজ করছি। দুর্ভাগ্যক্রমে, এখানে কেউ ডিভাইসের প্রযুক্তিগত বৈশিষ্ট্যগুলি জানে বলে মনে হয় না এবং আমি মনে করি না যে তারা কখনও পুনরুদ্ধারিত হয়েছে। আমার কাছে ডিভাইসগুলি সম্পর্কে পুরোপুরি তথ্য নেই। আমি আমার মাস্টারের থিসিসে কাজ করছি, অ্যাক্সিলোমিটারগুলি অন্য একটি বিশ্ববিদ্যালয় থেকে ধার করা হয়েছিল এবং সামগ্রিকভাবে পরিস্থিতিটি কিছুটা অপ্রত্যাশিত ছিল। সুতরাং, ডিভাইসটি অন-বোর্ডে প্রিপ্রোসেসিং করছে? কোন সুত্র নেই.

আমি যা জানি তা হ'ল তারা 20Hz নমুনা হারের সাথে ট্রিক্সিয়াল অ্যাকসিলোমিটার; ডিজিটাল এবং সম্ভবত MEMS। আমি অপ্রচলিত আচরণ এবং অঙ্গভঙ্গিতে আগ্রহী, যা আমার উত্স অনুসারে বেশিরভাগই 0.3.3.5Hz পরিসরে ক্রিয়াকলাপ তৈরি করে।

ডেটাটিকে সাধারণকরণ করা বেশ প্রয়োজনীয় বলে মনে হচ্ছে তবে কী ব্যবহার করবেন তা আমি নিশ্চিত নই। তথ্যের একটি খুব বড় অংশ বাকী মানগুলির (গুরুতরূপ থেকে ~ 1000 এর কাঁচা মান) খুব কাছাকাছি থাকে তবে কিছু লগে 8000 অবধি বা অন্যগুলিতেও 29000 এর মতো কিছু চূড়া রয়েছে। নীচের চিত্রটি দেখুন । আমি মনে করি এটি স্বাভাবিককরণের জন্য সর্বাধিক বা স্টাডিভ দ্বারা ভাগ করা এটি একটি খারাপ ধারণা করে।

এরকম ক্ষেত্রে স্বাভাবিক পদ্ধতি কী? মিডিয়েন দিয়ে ভাগ? একটি শতকরা মান? অন্যকিছু?

সাইড ইস্যু হিসাবে, আমি নিশ্চিত নই যে আমার চূড়ান্ত মানগুলি ক্লিপ করা উচিত কিনা ..

কোন পরামর্শের জন্য ধন্যবাদ!

সম্পাদনা করুন : কীভাবে ডেটা সাধারণত বিতরণ করা হয় তার একটি ধারণা দেওয়ার জন্য এখানে প্রায় 16 মিনিটের ডেটা (20000 স্যাম্পল) এর একটি প্লট রয়েছে।

এখানে চিত্র বর্ণনা লিখুন


1
আপনি কি আপনার পরিমাপ সেটআপ সম্পর্কে আরও কিছু তথ্য সরবরাহ করতে পারেন? যে প্রশ্নগুলি মাথায় আসে: ( 1 ) এইগুলি কি একক অক্ষের অ্যাক্সিলোমিটার বা বহু-অক্ষ? ( ) এগুলি কি হাই-পাস ফিল্টার করা হয়েছে বা না এবং যদি তা হয় তবে কীভাবে? (আপনার বর্ণনার উপর ভিত্তি করে তারা এগুলি নয় বলে মনে হচ্ছে)) ( 3 ) আপনি ঠিক কী পরিমাপ করছেন এবং আগ্রহের সংকেতের ফ্রিকোয়েন্সি পরিসরটি কী? ( ) আপনি যে অ্যাকসিলোমিটারগুলি ব্যবহার করছেন সেটি সেন্সিং মেকানিজম (যেমন, এমইএমএস, পাইজোইলেট্রিক, ক্যাপাসিটিভ, ইত্যাদি) বা, এমনকি, পার্ট নম্বর (!)? ...
কার্ডিনাল

... (ধারাবাহিক) ( 5 ) এগুলি কি সম্পূর্ণ ডিজিটাল বা আপনার নিজস্ব এডিসি রয়েছে (16-বিট, সম্ভবত, আপনি যে বিবরণ দিয়েছেন)
কার্ডিনাল

@ কার্ডিনাল: আমি আপনার প্রশ্নের উত্তরগুলি সম্পাদনা করেছি, জিজ্ঞাসার জন্য ধন্যবাদ thanks কোনও এডিসি কী তা নিশ্চিত নয়। আমি পরীক্ষায় জড়িত ছিলাম, তবে ডিভাইস মেমরি থেকে ডেটা আহরণে নয়, ডেটা সংগ্রহের মধ্যে একটি ফাঁক রয়েছে এবং যেখানে আমি একগুচ্ছ বাইনারি লগ পেয়েছি।
জুনউক্সএক্স

হাই, জুনুক্স অব্যক্ত সংক্ষিপ্ত আকারের জন্য দুঃখিত (ADC = "এনালগ-থেকে-ডিজিটাল রূপান্তরকারী"); আমি স্পষ্টতই ধরে নিয়েছি আপনি এটি আপনার প্রশ্নের ভিত্তিতে স্বীকৃতি পাবেন।
কার্ডিনাল

1
আপনি এই তথ্যগুলি থেকে কী সন্ধান করার চেষ্টা করছেন? আপনি সম্ভবত কিছু ধরণের ইভেন্টগুলি সনাক্ত করার, ইভেন্টের ফ্রিকোয়েন্সিগুলি অনুমান করার, গড় ত্বরণের অনুমান করার, বিভিন্ন অ্যাক্সিলোমিটারের মধ্যে পারস্পরিক সম্পর্ক খুঁজে পাওয়ার চেষ্টা করছেন ...? মুল বক্তব্যটি হ'ল যদি আপনি ভাল, প্রাসঙ্গিক পরামর্শ চান তবে ডেটা সহ প্রযুক্তিগত পদ্ধতি সম্পর্কে জিজ্ঞাসা করবেন না (যা প্রয়োগের উপর নির্ভর করে অপ্রাসঙ্গিক বা এমনকি অকেজো হতে পারে): প্রথমে আমাদের বলুন যে আপনি কোন সমস্যার সমাধানের চেষ্টা করছেন।
হোবার

উত্তর:


14

আপনি উপরে প্রদর্শিত কাঁচা সংকেতগুলি নিরবচ্ছিন্ন এবং নিরবচ্ছিন্ন বলে মনে হচ্ছে। কিছু ফিল্মিং প্রত্যাখ্যান সহ উপযুক্ত ফিল্টারিং এবং ক্রমাঙ্কন কার্যকরভাবে ডেটাটিকে স্বাভাবিক করে তুলবে ize অ্যাক্সিলোমিটার ডেটা সহ স্ট্যান্ডার্ড পদ্ধতিটি নিম্নলিখিত:

  1. ফিল্টার - যেমন 4 র্থ অর্ডার, শূন্য-ফেজ আইআইআর লোপাস বা ব্যান্ডপাস ফিল্টার
  2. শিল্পকলা প্রত্যাখ্যান - প্রান্তিকতা ভিত্তিক
  3. ক্যালিব্রেট - ফেরারি এবং অন্যান্য পদ্ধতি ( তিন অক্ষের হার জাইরোস এবং অ্যাক্সিলোমিটারের অনায়াসে ক্ষেত্রের ক্রমাঙ্কন প্রক্রিয়া, এফ ফেরারি, ইউ গ্রিমাল্ডি, এম পারভিস - সেন্সর এবং অ্যাকুয়েটরস, 1995 ) পদ্ধতি এটির জন্য ভাল কাজ করে।

অন্তর্বর্তী সেন্সর ডেটাতে নিদর্শন প্রত্যাখ্যান করার পরামর্শ দেওয়া হয়। আমি উদ্বিগ্ন হব যে আপনি ডেটাটির প্রবর্তনটি জানেন না, এবং তাই আপনি কোনও গ্যারান্টি দিতে পারবেন না যে সেন্সরগুলি সমস্ত বিষয়ে সঠিক এবং ধারাবাহিকভাবে (ওরিয়েন্টেশন এবং শারীরিক স্থান নির্ধারণের ক্ষেত্রে) সংযুক্ত হয়েছিল। যদি সেন্সরগুলি সঠিকভাবে অনুপস্থিত না হয় তবে আপনি সংকেতগুলিতে প্রচুর পরিমাণে শিল্পকর্ম পেতে পারেন, যেহেতু সেন্সরটি দেহ-অংশের তুলনায় সরে যেতে পারে। একইভাবে, যদি সেন্সরগুলি বিভিন্ন বিষয়ে (তারা কীভাবে স্থাপন করা হয়েছিল) আলাদাভাবে পরিচালিত হয় তবে ডেটা বিষয়গুলিতে তুলনা করা শক্ত হবে।

আপনি যে প্রতিবেদককে প্রতিবেদন করেছেন সেগুলির আকার দেওয়া হয়েছে বলে তারা সম্ভবত শিল্পকর্ম বলে মনে হচ্ছে। এই জাতীয় নিদর্শনগুলি কোনও নির্দিষ্টকরণের গণনা প্রায় নির্দিষ্ট করে ফেলবে (যদিও তাদের প্রভাব যথাযথ ফিল্টারিং দ্বারা কমিয়ে আনা হবে) এবং তাই আর্টিক্যাক্ট প্রত্যাখ্যানের পরে ক্রমাঙ্কন করা উচিত ।

একটি প্রাথমিক থ্রেশহোল্ড একটি প্রাথমিক আর্টিক্ট রিজেকশন রুটিনের জন্য ভাল কাজ করতে পারে, যেমন NaNএকটি নির্দিষ্ট অভিজ্ঞতা সম্পন্ন প্রান্তিকের উপরে সমস্ত নমুনা সরিয়ে (বা প্রতিস্থাপন )। আরও পরিশীলিত কৌশল চলমান গড় বা চলমান উইন্ডো ব্যবহার করে অভিযোজিতভাবে এই প্রান্তিকের গণনা করবে।

সেন্সরের অবস্থানের উপর নির্ভর করে আপনি ত্বরণ সংকেতগুলিতে মাধ্যাকর্ষণ প্রভাবের জন্যও সংশোধন করতে চাইতে পারেন, যদিও সেন্সর অক্ষ এবং অবস্থান সম্পর্কিত বিশদ বোঝার বিষয়টি এখানে গুরুত্বপূর্ণ। মো-নিলসন পদ্ধতি ( আর। মো-নিলসন , বাস্তব জীবনের পরিবেশগত পরিস্থিতিতে গেইটে মোটর নিয়ন্ত্রণের মূল্যায়ন করার জন্য একটি নতুন পদ্ধতি Part অংশ 1: ​​উপকরণ, ক্লিনিকাল বায়োমেকানিক্স, খণ্ড 13, সংখ্যা 4-5, জুন-জুলাই 1998, পৃষ্ঠাগুলি 320-327 ) সর্বাধিক ব্যবহৃত হয় এবং নিম্ন পিছনে মাউন্ট করা ইনটারিয়াল সেন্সরগুলির জন্য ভাল কাজ করে।

অঙ্গভঙ্গি স্বীকৃতির জন্য ডেটা পরীক্ষা করা শুরু করার জন্য একটি ভাল জায়গা হ'ল ফিল্টারযুক্ত, ক্যালিব্রেটেড ডেটাগুলি যুগের মধ্যে (যেমন 10s) ভাঙ্গা এবং প্রতি যুগের জন্য বেশ কয়েকটি বৈশিষ্ট্য গণনা করা এবং এই ডেটাগুলির জন্য আপনার থাকা লেবেলের সাথে সম্পর্কিত, আমি করতে পারি ' ডেটা সেট এবং সম্পর্কিত লেবেল সম্পর্কে আরও না জেনে আরও সুনির্দিষ্ট পরামর্শ অফার করুন।

আশাকরি এটা সাহায্য করবে.


এটি একটি দুর্দান্ত উত্তর @ বিগ্রিন, আপনাকে অনেক ধন্যবাদ! তথ্যসূত্রগুলিও খুব দরকারী। আমি আশা করি কয়েক মাস আগে আমি এই প্রশ্নটি জিজ্ঞাসা করেছি। সেন্সরগুলি গলায় একটি কর্ডে পরা ছিল (আমার ধারণা নয়), তাই দেহের সাথে তুলনামূলকভাবে অনেকগুলি চলাচল রয়েছে। আপনার কিছু পরামর্শ আমার মনে হয় আরও গবেষণার জন্য আরও উপযুক্ত হতে পারে তবে কমপক্ষে সেগুলি আমার ভবিষ্যতের কাজের বিভাগের জন্য সহায়ক হবে be এবং ভাগ্যক্রমে স্বীকৃতি অংশটি সমস্যা নয়, আমার কাছে মেশিন লার্নিংয়ে মোটামুটি শক্ত পটভূমি রয়েছে তবে সে সম্পর্কে পরামর্শের জন্য ধন্যবাদ।
জুনউক্সেক্স

সমস্যা নেই. সেক্ষেত্রে আমি ভাবব যে আপনি কর্ড হিসাবে স্থূল গতিবিধি পরীক্ষা করতে সীমাবদ্ধ হবেন এর অর্থ হল যে আপনি কীভাবে শরীর চালাচ্ছেন তা নির্ভরযোগ্যভাবে বলতে পারবেন না, কেবল সেন্সর। আপনি সম্ভবত এটি অনুমান করতে পারেন যে বৃহত সেন্সর আউটপুট মানগুলি বৃহৎ স্থূল আন্দোলনের সাথে সমান হয় তবে আপনি সঠিকভাবে সুনিশ্চিত সেন্সরটির অনেকটা সঙ্কুচিততা হারাবেন না।
বিগ্রেন

(গতকাল +1) উপরের (১) মধ্যে কয়েকটি জিনিস বিবেচনা করা যেতে পারে। যেহেতু আগ্রহের ফ্রিকোয়েন্সি রেঞ্জের নীচের সীমানাটি বেশ ছোট, তাই বিবেচনার একটি বিকল্প হ'ল একটি লো-পাস ফিল্টার প্রয়োগ করা এবং গড়কে বিয়োগ করা। দ্বিতীয়ত, আইআইআর ফিল্টারের পরিবর্তে, কেউ এই দৃষ্টান্তে রৈখিক-পর্যায়ের সসীম-ইমপ্লস-প্রতিক্রিয়া ফিল্টারটি বিবেচনা করতে পারে। আমি এটি বলছি কারণ আমি সন্দেহ করি যে বহু-অক্ষের অ্যাক্সিলোমিটার সংকেত ব্যবহার করে অঙ্গভঙ্গিগুলির পূর্বাভাস দেওয়ার জন্য, কেউ চলাচলের ফ্রিকোয়েন্সির সাথে স্বাধীনভাবে সিঙ্ক্রোনাইজ রাখতে চাইবে। (অবিরত)
কার্ডিনাল

... যেহেতু সবকিছু ডিজিটাল, তাই লিনিয়ার-ফেজ এফআইআর ফিল্টারটি দিয়ে যাওয়া বোধগম্য। প্রায়শই একজনের ক্ষণস্থায়ী প্রতিক্রিয়ারও আরও ভাল নিয়ন্ত্রণ থাকে। :-)
কার্ডিনাল

@ কার্ডিনাল সব ঠিক আছে - উপরে আমার প্রতিক্রিয়া সম্পাদনা করেছেন। সবেমাত্র আমার কোডটি দেখেছি - আমার অতি সাম্প্রতিক অ্যাক্সিলোমিটার আলগোরিদিম শূন্য-ফেজ বাটারওয়ার্থ আইআইআর ফিল্টার ব্যবহার করে। যদিও আমি সংক্ষিপ্ত ডেটা বিভাগগুলির জন্য গড় বিয়োগ করা এড়াতে পছন্দ করি
বিগ্রেন
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.