python - 信号压缩

Question

我需要“压缩”表示信号的 python 数组的大小。信号如下例所示。

signal = [
    [0.0,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1.0,1.1], #time values
    [1,1,1,2,3,4,4,4,4,2,1,1] #function values
    ]

压缩后，信号应如下代码所示。

signal_compressed = [
    [0.0,0.2,0.3,0.4,0.5,0.8,0.9,1.0,1.1], #time values
    [1,1,2,3,4,4,2,1,1] #function values
    ]

你看，如果有常量值的区域，则只存储该区域的第一个和最后一个值。

我编写了以下算法来执行此操作。

signal_compressed = [[],[]]

old_value = None
for index, value in enumerate(signal[1]):
    if value != old_value:
        if index > 0:
            if signal_compressed[0][-1] != signal[0][index - 1]:
                signal_compressed[0].append(signal[0][index - 1])
                signal_compressed[1].append(signal[1][index - 1])
        signal_compressed[0].append(signal[0][index])
        signal_compressed[1].append(value)
        old_value = value

if signal_compressed[0][-1] < signal[0][-1]:
    signal_compressed[0].append(signal[0][-1])
    signal_compressed[1].append(signal[1][-1])

这个算法工作正常。对于具有许多恒定段的信号，他的工作速度非常快。但是，如果我尝试压缩没有恒定分段的信号(例如正弦信号或噪声信号)，该算法的运行速度会非常慢。

如何加速我的算法并保留功能？

Answer 1

这是使用生成器实现的一种方法:

def compress(signal):
    prev_t, prev_val = None, None
    for t, val in zip(*signal):
        if val != prev_val:
            if prev_t is not None:
                yield prev_t, prev_val
            yield t, val
            prev_t, prev_val = None, val
        else:
            prev_t, prev_val = t, val
    if prev_t is not None:
        yield prev_t, prev_val

signal = [
    [0.0,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1.0,1.1], #time values
    [1,1,1,2,3,4,4,4,4,2,1,1] #function values
    ]
print zip(*compress(signal))

我认为转置signal会更自然，像这样存储它:

[(0.0, 1),
 (0.1, 1),
 (0.2, 1),
 (0.3, 2),
 (0.4, 3),
 (0.5, 4),
 (0.6, 4),
 (0.7, 4),
 (0.8, 4),
 (0.9, 2),
 (1.0, 1),
 (1.1, 1)]

这样就不需要两次 zip(*seq) 调用，整个处理过程可以即时完成。

最后，如果这对于大输入仍然太慢，则可能值得考虑使用 NumPy。以下是此类解决方案的概述:

import numpy as np

signal = [
    [0.0,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1.0,1.1], #time values
    [1,1,1,2,3,4,4,4,4,2,1,1] #function values
    ]

def npcompress(signal):
    sig=np.array(signal)
    idx = np.where(sig[1][1:] != sig[1][:-1])[0]
    idx_arr = np.sort(np.array(list(set(idx) | set(idx + 1) | set([0]) | set([len(sig[1]) - 1]))))
    return sig.T[idx_arr]

print npcompress(signal).T