java - 比较来自加速度计的 3D 信号数据的算法

Question

我正在从事一个涉及运动数据分析的项目，以比较并给出相似度分数。我在我的应用程序中可以收集和显示数据，现在需要一些算法指导。

---

目标:给定从加速度计记录的两个 (x,y,z) 时间序列的运动数据，计算相似度分数(实数，最终为 0 到 100)，以衡量如何从录音中可以看出类似的动议。

---

示例:以下是我软件中的一些图像，展示了我收集的数据(以及我对它们的相似度分数应该是多少的看法):

这个应该得分不错

也许这应该得分更差

不应该得分

非常糟糕

还好

还不错

不好

---

一些想法:我在音频处理和计算机视觉方面有一些经验，所以我最初的想法来自那里。一开始，我在考虑对信号进行低通滤波(问:哪个 LPF？有很多。)，然后尝试动态时间扭曲。我会以这种方式比较 x1 与 x2、y1 与 y2 等。然而，在我看来，这似乎丢失了重要信息，例如 x1 系列与 z1 的关系，以及 x2 与 z2 系列的关系。

我的另一个想法是在频域中进行分析，也许使用 MFCCs .据我了解，这是语音识别中的一种常用技术。

还有“去他的，机器学习”的方法。我可以存储模板化手势并运行某种魔法来使它们可识别。这不是我的偏好(我希望能够在不需要大量训练数据的情况下实现这一点)，但是如果有人知道你喜欢的方案“哦，这肯定有效嗯”，那么确定。

---

软件+实现:这个项目是用Java完成的，我的数据是这样的:

float[150] x1;
float[150] y1;
float[150] z1; //note: x2,y2,z2 will be of different length, but similar 

因此，如果有人想根据算法建议推荐要使用的库，那么它应该很容易使用。

---

其他:方向问题。但是，我的计划是将其中一个样本作为“引用”，并旋转另一个样本的每个 x[i],y[i],z[i] 点以匹配它。然后进行比较。目前的计划是使用这个轮换公式:Rodrigues' rotation formula这有意义吗？

---

Answer 1

您可以使用最近邻分类器使用动态时间规整来计算分类准确度。考虑到您的数据只有三个维度，这是一个相对容易的问题。使用动态时间扭曲是一个很好的方向。此外，您可以使用欧氏距离。当您的数据集很大时，动态时间扭曲在欧几里得距离上的进步将消失。

由于只有3个轴，所以有两种方法，要么使用单个轴的数据，要么使用所有轴的数据。由于使用所有轴更有可能产生错误，因此我建议仅使用来自单个轴的数据。例如，使用 x 轴的数据，计算精度。然后对来自 y 和 z 的数据执行相同的操作。最后，您将获得一个精度矩阵。在矩阵的每一行中，都有不同 Activity 的分类结果。在矩阵的每一列中，您将看到同一 Activity 在不同轴上的分类结果。这是训练过程。在测试过程中，您可以从提供最高准确度的轴开始跟踪结果。

而且，上面的方法还有一个问题。它只计入先验知识(过去训练阶段)的结果，不计入测试阶段的新证据(最近邻距离)。

我有一篇论文正在提交，讨论如何在多维时间序列分类中使用先验知识和新证据。还在审核中，所以不能分享给大家。否则，我可以将论文发送给您以供引用。