我用啥算法来转换这个

Posted 2023-02-25

【中文标题】我用啥算法来转换这个

【英文标题】：What algorithm do I use to convert this我用什么算法来转换这个

【发布时间】：2013-05-31 13:06:14

【问题描述】：

将黑波转换为红波。

【问题讨论】：

蓝线代表什么？

Quantization.

很明显，黑线是一些信号，红线是局部最小值/最大值。但在我看来，红色壁垒曲线并没有保留该区域，@Fabricio 需要在任何人回答之前更多地指定此任务。我讨厌这样说，但是@Fabricio，您尝试了什么？

请改进您的标题，以便其他有相同问题的人可以找到此问题。

这不是量化问题。量化不仅仅量化极值，它还对信号的所有部分进行数字化。

【参考方案1】：

采纳 Jesse Craig 的回答和 dukeling 关于发现增加和减少之间切换的评论确实会产生一个解决方案，至少在没有噪音的简单情况下是这样。

例如用这个输入信号

如果计算 y 的连续值之间的差异（下面的代码在 R 中，对向量进行操作也是如此）

diffs = y[2:length(y)] - y[1:length(y)-1]

然后是差异的迹象

dir = sign(diffs)

假设没有值是相等的（我们在差异中没有零），您可以通过寻找符号不同的地方来发现方向变化

dir_change = dir[2:length(dir)] != dir[1:length(dir)-1]
# no change of direction for first two positions
dir_change = c(FALSE, FALSE, dir_change)

这标识了最大值和最小值，（其中dir_change 是TRUE）

可以按照 Jesse Craig 的建议，通过取最大值和最小值之间的中点来计算方波。

到目前为止一切顺利。我不确定 OP 的信号是否包含噪音。假设确实如此，我尝试了一些技术来尝试识别存在噪声的最大值和最小值，但我发现这非常困难（我花了至少 10 倍的时间试图获得一个对噪声具有鲁棒性的算法，就像我做的那样在上面的代码上）。我尝试了移动平均线和一些简单的阈值，但我无法让这两种技术直接工作。这似乎证实了处理噪音并非易事！如果有人可以发表评论，我会很感兴趣（或者我可以搜索或询问关于此的 SO 问题）。

编辑this answer 中有一个很好的峰值检测方法总结。

【参考方案2】：

您需要使用像Hill Climbing 这样的本地搜索技术来识别所有local minimums and maximums。这将为您提供方波中的所有水平线。然后找到相邻局部最大值和最小值之间的中点（X 的值是 Y 的平均值），这将告诉您在哪里找到方波中的边缘（垂直线）。

【讨论】：

Fabricio 的垂直行业似乎不在中点。他还没有回答他对壁垒曲线的要求是什么，也没有告诉我们他尝试了什么，所以你不应该这么急切地回答他。我知道你想要更多的声望，但我会为你的其他作品投票。现在感觉好点了吗？

@Fabricio：太好了。所以我们有关于问题表述的第一个提示。

@Fabricio：你说的是 Kinect。所以你需要某种实时流处理。

如果“黑波”是点流，而不是更复杂的东西，你甚至不需要像使用爬山一样复杂 - 只需记录它在增加和减少，这很容易做到。不过，无论哪种情况，如果有噪音，您都需要进行一些修改，以免造成混乱。

@Dukeling 同意了。除非你有噪音，否则它看起来相当简单。我有兴趣看到一个建议如何处理噪声的答案（可能使用某种容差，或平滑或曲线拟合，但曲线拟合由于它似乎是一个流而不是有限的事实而变得复杂点集）。