用于特征提取的 Python FFT

Posted 2023-03-12

【中文标题】用于特征提取的 Python FFT

【英文标题】：Python FFT for feature extraction

【发布时间】：2018-02-02 10:35:48

【问题描述】：

我希望对人体加速度计数据执行特征提取，以用于活动识别。我的数据的采样率为 100Hz。

从我研究过的各种来源来看，FFT 是一种有利的使用方法。我有滑动窗口格式的数据，每个窗口的长度是 256。我使用 Python 和 NumPy 库来做到这一点。我用来应用 FFt 的代码是：

import numpy as np

def fft_transform (window_data):

    fft_data = []
    fft_freq = []
    power_spec = []

    for window in window_data:

        fft_window = np.fft.fft(window)
        fft_data.append(fft_window)

        freq  = np.fft.fftfreq(np.array(window).shape[-1], d=0.01)
        fft_freq.append(freq )

        fft_ps = np.abs(fft_window)**2
        power_spec.append(fft_ps)

    return fft_data, fft_freq, power_spec

这给出如下所示的输出：

fft_data

array([  2.92394828e+01 +0.00000000e+00j,
        -6.00104665e-01 -7.57915977e+00j,
        -1.02677676e+01 -1.55806119e+00j,
        -7.17273995e-01 -6.64043705e+00j,
         3.45758079e+01 +3.60869421e+01j,
         etc..

freq_data

array([  0.      ,   0.390625,   0.78125 ,   1.171875,   1.5625  , etc...

power_spectrum

array([  8.54947354e+02,   5.78037884e+01,   1.07854606e+02,
         4.46098863e+01,   2.49775388e+03,   etc...

我还使用此代码绘制了结果 - 其中 fst_ps 是 power_spectrum 的第一个数组/窗口，而 fst_freq 是 fft_freq 数据的第一个窗口/数组。

import matplotlib.pyplot as plt
fig = plt.figure(figsize=(width, height))

fig1= fig.add_subplot(221)
fig2= fig.add_subplot(222)
fig1.plot(fst_freq, fst_ps)
fig2.plot(fst_freq, np.log10(fst_ps))
plt.show()

我正在寻找一些关于下一步如何提取特征的建议。谢谢

【参考方案1】：

因此，当您将信号分解为频谱时，下一步您可以尝试了解哪些频率与您的应用相关。但是从单光谱图像中获取它相当困难。请记住，频谱中的一个频率区间 - 它是由窄频率范围限制的相同基本信号。有些频率对您的任务可能并不重要。

更好的方法，如果您可以尝试STFT 方法来了解您在频时域中的信号特征。例如，您可以阅读 this article 关于 Python 上的 STFT 方法。通常这种方法适用于搜索某种可识别为特征的时频模式。例如，在人类语音模式中（如文章中所示），您可能会看到具有持续时间和频率限制特征的可持续浮动频率。您需要为您的信号获取 STFT，以便在声像图上找到一些模式，从而为您的任务提取特征。