가속도계 센서 데이터를 어떻게 정규화해야합니까?


9

여러 대상이 착용 한 여러 센서로 수집 한 대용량 가속도계 데이터를 사용하고 있습니다. 불행히도, 여기에 아무도이 장치의 기술 사양을 알고있는 것 같지 않으며, 다시 교정 된 적이 없다고 생각합니다. 장치에 대한 많은 정보가 없습니다. 나는 석사 논문을 연구하고 있는데, 가속도계는 다른 대학에서 빌려 왔으며 상황은 다소 불투명했다. 장치에서 선처리를 하는가? 실마리 없음.

내가 아는 것은 20Hz 샘플링 속도의 3 축 가속도계라는 것입니다. 디지털 및 아마도 MEMS. 나는 비언어적 행동과 몸짓에 관심이 있는데, 나의 출처에 따르면 대부분 0.3-3.5Hz 범위에서 활동을해야합니다.

데이터를 정규화 하는 것이 매우 필요한 것처럼 보이지만 사용할 것이 확실하지 않습니다. 데이터의 매우 큰 부분은 나머지 값 (중력에서 ~ 1000의 원시 값)에 가깝지만 일부 로그의 경우 최대 8000 또는 다른 값의 경우 29000과 같은 극단이 있습니다. 아래 이미지를 참조하십시오 . 나는 이것이 정규화하기 위해 max 또는 stdev로 나누는 것이 나쁜 생각이라고 생각합니다.

이런 경우 일반적인 접근 방식은 무엇입니까? 중앙값으로 나눕니 까? 백분위 수 값? 다른 것?

부수적 인 문제로 극단적 인 값을 클리핑 해야하는지 확실하지 않습니다.

조언을 주셔서 감사합니다!

편집 : 여기에 데이터가 일반적으로 어떻게 분포되어 있는지에 대한 아이디어를 제공하기 위해 약 16 분 동안의 데이터 (20000 샘플)의 도표가 있습니다.

여기에 이미지 설명을 입력하십시오


1
측정 설정에 대해 좀 더 자세한 정보를 제공 할 수 있습니까? 염두에 두어야 할 질문 : ( 1 )이 단일 축 가속도계 또는 다축입니까? ( 2 ) 고역 통과 필터링되었거나 그렇지 않은 경우 어떻게합니까? (설명에 따라 다르지 않은 것 같습니다.) ( 3 ) 정확히 무엇을 측정하고 있고 관심 신호의 주파수 범위는 무엇입니까? ( 4 ) 사용중인 가속도계의 감지 메커니즘 (예 : MEMS, 압전, 용량 성 등) 또는 부품 번호 (!) 란 무엇입니까? ...
추기경

... (계속) ( 5 )이 디지털 방식으로 완전히 디지털화되어 있습니까, 아니면 자신의 ADC (16 비트, 설명에 따라)가 있습니까?
추기경

@cardinal : 질문에 대한 답변을 편집했습니다. ADC가 무엇인지 잘 모르겠습니다. 실험에 참여했지만 장치 메모리에서 데이터를 추출하는 데는 관여하지 않았지만 데이터 수집과 이진 로그를받는 위치에는 차이가 있습니다.
Junuxx

안녕, Junuxx. 설명 할 수없는 약어 (ADC = "아날로그-디지털 변환기")가 유감입니다. 나는 암시 적으로 당신이 당신의 질문에 기초하여 그것을 인식 할 것이라고 생각했습니다.
추기경

1
이 데이터에서 무엇을 찾으려고합니까? 특정 종류의 사건을 감지하고, 사건의 빈도를 추정하고, 평균 가속도를 추정하고, 다른 가속도계 사이의 상관 관계를 찾으려고 노력하고 있습니까? 요점은 적절한 관련 조언을 원한다면 데이터에 대한 기술 절차에 대해 묻지 마십시오 (응용 프로그램에 따라 관련이 없거나 쓸모가 없을 수 있음). 먼저 해결하려는 문제 를 알려주십시오 .
whuber

답변:


14

위에 표시된 원시 신호는 필터링되지 않고 보정되지 않은 것으로 나타납니다. 적절한 필터링교정 은 일부 아티팩트 거부 로 사실상 데이터를 정규화합니다. 가속도계 데이터를 사용한 표준 접근 방식은 다음과 같습니다.

  1. 필터-예를 들어 4 차, 영상 IIR 저역 통과 또는 대역 통과 필터
  2. 아티팩트 거부-임계 값 기반
  3. 교정-Ferraris et al 방법 ( 3 축 속도 자이로 및 가속도계의 간편한 현장 교정을위한 절차, F Ferraris, U Grimaldi, M Parvis-Sensors and Actuators, 1995 ) 방법이이를 위해 효과적입니다.

관성 센서 데이터에 대해 아티팩트 거부를 수행하는 것이 좋습니다. 나는 당신이 데이터의 출처를 모르는 것에 대해 걱정할 것이므로 센서가 모든 주제에 대해 정확 하고 일관되게 (방향 및 물리적 배치 측면에서) 부착되었음을 보장 할 수는 없습니다 . 센서가 올바르게 부착되지 않은 경우 센서가 신체 세그먼트를 기준으로 움직일 수 있으므로 신호에 많은 인공물이 생길 수 있습니다. 마찬가지로 센서가 다른 피사체에 대해 다른 방향으로 배치 된 경우 (데이터가 배치 된 방식으로) 데이터를 피사체간에 비교하기가 어려울 수 있습니다.

보고 한 특이 치의 크기를 고려하면 유물 일 가능성이 높습니다. 이러한 아티팩트는 교정 필터링 계산을 거의 왜곡 시키므로 (적절한 필터링으로 효과가 줄어들지 만) 아티팩트 거부 후에 교정을 수행해야합니다 .

간단한 임계 값은 초기 아티팩트 거부 루틴, 즉 NaN특정 경험적 ​​임계 값을 초과하는 모든 샘플을 제거 (또는 대체 ) 하는 데 효과적입니다 . 보다 정교한 기술은 연속 평균 또는 이동 창을 사용하여이 임계 값을 적응 적으로 계산합니다.

센서의 위치에 따라 가속도 신호에 대한 중력의 영향을 교정 할 수도 있지만 센서 축과 위치에 대한 자세한 이해가 중요합니다. Moe-Nillson 방법 ( R. Moe-Nilssen, 실제 환경 조건 하에서 보행에서 모터 제어를 평가하는 새로운 방법 1 부 : 기기, 임상 생체 역학, 13 권, Issue 4-5, 1998 년 6 월 -7 월), 320-327 페이지 가 가장 일반적으로 사용되며 하단 장착 관성 센서에 적합합니다.

제스처 인식을위한 데이터 검사를 시작하기에 좋은 곳은 필터링되고 보정 된 데이터를 에포크 (예 : 10 초)로 나누고 에포크 당 여러 기능을 계산하고이를 데이터의 레이블과 관련시키는 것입니다. ' 데이터 세트 및 관련 레이블에 대해 더 잘 알지 않고보다 구체적인 조언을 제공하지 않습니다.

도움이 되었기를 바랍니다.


정말 멋진 답변입니다 @BGreene, 대단히 감사합니다! 참조도 매우 유용합니다. 몇 달 전에이 질문을했으면 좋겠습니다. 센서는 목 주위의 코드 (내 생각이 아님)에 착용되었으므로 신체와 관련하여 확실히 많은 움직임이 있습니다. 귀하의 제안 중 일부는 제가 생각하는 추가 연구에 더 적합 할 수 있지만 적어도 저의 미래 작업 섹션에 도움이 될 것입니다. 운 좋게도 인식 부분은 문제가 아니며 기계 학습에 상당히 견고한 배경을 가지고 있지만 제안에 감사드립니다.
Junuxx

문제 없어요. 이 경우 코드가 신체의 움직임을 확실하게 말할 수없고 센서 만 확실하게 말할 수 있기 때문에 총 움직임을 검사하는 것으로 제한 될 것이라고 생각합니다. 큰 센서 출력 값이 큰 총 움직임과 동일하다는 것을 유추 할 수 있지만 제대로 부착 된 센서의 선명도를 많이 잃게됩니다.
BGreene

(+1 어제) 위의 (1.)에서 몇 가지 사항을 고려할 수 있습니다. 관심 주파수 범위의 하한이 매우 작기 때문에 고려해야 할 대안은 저역 통과 필터를 적용하고 평균을 빼는 것입니다. 둘째,이 경우 IIR 필터 대신 선형 위상 유한 임펄스 응답 필터를 고려할 수 있습니다. 다축 가속도계 신호를 사용하여 제스처를 예측하려면 주파수와 무관하게 움직임을 동기화하고 싶을 것입니다. (계속)
추기경

(...) IIR 필터의 비선형 위상 응답은 다른 성분을 다른 양만큼 이동 시키며이 효과는 차단 주파수 근처에서 악화되는 경향이 있습니다. 모든 것이 디지털이므로 선형 위상 FIR 필터를 사용하는 것이 좋습니다. 종종 과도 응답을 더 잘 제어 할 수도 있습니다. :-)
추기경

@ cardinal thats all that true-위의 응답을 편집했습니다. 방금 코드를 확인했습니다. 가장 최근의 가속도계 알고리즘은 0 상 버터 워스 IIR 필터를 사용합니다. 나는 짧은 데이터 세그먼트에 대한 평균을 뺀 않도록하는 것을 선호하지만
BGreene
당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.