CN109033996B - 一种基于运动数据的波形分析方法及系统 - Google Patents
一种基于运动数据的波形分析方法及系统 Download PDFInfo
- Publication number
- CN109033996B CN109033996B CN201810719532.9A CN201810719532A CN109033996B CN 109033996 B CN109033996 B CN 109033996B CN 201810719532 A CN201810719532 A CN 201810719532A CN 109033996 B CN109033996 B CN 109033996B
- Authority
- CN
- China
- Prior art keywords
- waveform
- array
- data
- value
- wavelet
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
- G06F2218/06—Denoising by applying a scale-space analysis, e.g. using wavelet analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
- G06F2218/14—Classification; Matching by matching peak patterns
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于运动数据的波形分析方法,其包括:采集原始数据并利用原始数据处理得到波形图;提取波形图中的波形特征,并根据波性特征适配小波数组组合算法,合并小波数组得到大波数组;对大波数组适配大波数组识别算法,对识别后大波数组解析得到分析结果。本发明基于运动数据的波形分析将数据分析转换成波形分析,大大简化了分析过程,提升了分析效率,同时该方法对ROM空间和RAM空间需求小,CPU运算需求小,执行效率高,响应速度快,能够实现实时解析,并且该方法具有应用广泛的特点,适用于所有呈明显波形的数据分析。
Description
技术领域
本发明涉及数据处理领域,尤其涉及一种基于运动数据的波形分析方法及系统。
背景技术
在日常生活中,大量的场景下需要用到数据采集,采集到的数据一般都可以转换为各种波形。常需要对采集到的数据进行各种分析并找出它们的数理特征和规律。现有的数据分析方法复杂、繁琐且时效性差,CPU运算需求大,因而不适合运动手表等穿戴类产品对运动数据的解析。
因此,现有技术有待于进一步发展。
发明内容
本发明申请的目的在于解决现有技术的缺陷和不足,提供一种基于运动数据的波形分析方法及系统。
为实现上述发明目的,本发明提供一种基于运动数据的波形分析方法,其包括:
采集原始数据并利用原始数据处理得到波形图;
提取波形图中的波形特征,并根据波性特征适配小波数组组合算法,合并小波数组得到大波数组;
对大波数组适配大波数组识别算法,对识别后大波数组解析得到分析结果。
所述的基于运动数据的波形分析方法,其中,所述原始数据为能处理成波形模型的运动数据。
所述的基于运动数据的波形分析方法,其中,提取波形图中的波形特征,根据波形特征从原始波形中解析得到基波,并将其加入到小波数组中,其中,所述基波要求为:波形左边最小值是极小值点,波形右边最小值是极小值点,从波形左边最小值对应的时间到波形峰值对应的时间,数据值不得下降,从波形峰值对应的时间到波形右边最小值对应的时间,数据值不得上升。
所述的基于运动数据的波形分析方法,其中,适配小波数组组合算法具体为:解析小波数组并利用预设的合并条件对小波数组进行合并,将相邻小波形合并为大波形,并提交至大波数组,其中,预设合并条件包括小波形左能量的启动阈值、小波形能量最大值和最小值、小波形波底标准率及小波时长。
所述的基于运动数据的波形分析方法,其中,适配小波数组组合算法之前对数据进行噪声消除,提取有效数据加入小波数组。
所述的基于运动数据的波形分析方法,其中,噪声消除条件为:噪声能量值小于目标合格波形的能量值10%的为有效数据。
所述的基于运动数据的波形分析方法,其中,波形合并按照预设合并规则进行,当两个时间紧密连接的两个波形,左边的波形1和右边的波形2需要进行合并,合并规则为:
当波形1的峰值小于等于波形2的峰值,则合并波形的相关参数为:
合并左时刻=波形1左时刻;
合并右时刻=波形2右时刻;
合并波形左边最小值=波形1左边最小值;
合并波形右边最小值=波形2右边最小值;
合并峰值=波形2峰值;
合并峰值时刻=波形2峰值时刻;
合并波形左边所有值之和=波形1左边所有值之和+波形1右边所有值之和+波形2左边所有值之和;
合并波形右边所有值之和=波形2右边所有值之和;
当波形1的峰值大于等于波形2的峰值,则合并波形的相关参数为
SummaryRight_mix=SummaryRight_1+SummaryLeft_2+SummaryRight_2
合并左时刻=波形1左时刻;
合并右时刻=波形2右时刻;
合并波形左边最小值=波形1左边最小值;
合并波形右边最小值=波形2右边最小值;
合并峰值=波形1峰值;
合并峰值时刻=波形1峰值时刻;
合并波形左边所有值之和=波形1左边所有值之和;
合并波形右边所有值之和=波形1右边所有值之和+波形2左边所有值之和+波形2右边所有值之和。
所述的基于运动数据的波形分析方法,其中,对大波数组适配大波数组识别算法具体为:利用预设的大波形识别条件对大波数组进行识别过滤,其中,预设的大波形识别条件包括大波形左能量的启动阈值、大波形能量最大值和最小值、大波形波底标准率及大波时长。
一种基于运动数据的波形分析系统,其中,所述系统包括:
数据采集模块,用于采集原始数据;
数据处理模块,用于利用原始数据处理得到波形图并提取波形图中的波形特征;
数据解析模块,用于根据波性特征适配小波数组组合算法,合并小波数组得到大波数组;对大波数组适配大波数组识别算法,对识别后大波数组解析得到分析结果。
有益效果:
本发明提供一种基于运动数据的波形分析方法及系统,该方法将数据分析转换成波形分析,大大简化了分析过程,提升了分析效率,同时该方法对ROM空间和RAM空间需求小,CPU运算需求小,执行效率高,响应速度快,能够实现实时解析,并且该方法具有应用广泛的特点,适用于所有呈明显波形的数据分析。
附图说明
图1为本发明波形合并规则中两待合并波形的波形图。
图2为本发明波形合并规则中两待合并波形的另一种波形图。。
图3为本发明具体实施例中基于运动数据的波形分析方法流程图。
图4为本发明基于运动数据的波形分析系统的原理框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
除非另有定义,本说明书所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本说明书中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的,不是用于限制本发明。本说明书所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
本发明所涉及的基本术语:
峰值(ValueMax):波的最大值;
峰时刻(TimeMax);峰值对应的时间;
左值(ValueLeft):波的左边的最小值;
左时刻(TimeLeft);左值对应的时间;
右值(ValueRight):波的右边的最小值;
右时刻(TimeRight);右值对应的时间;
左和(SummaryLeft):波形左边所有值的和
右和(SummaryRight):波形右边所有值的和
所涉及的扩展术语:
左能量(EnergyLeft):左值和峰值的差值ValueMax-ValueLeft
右能量:(EnergyRight)右值和峰值的差值ValueMax-ValueRight
能量(Energy):左能量和右能量的较大值MAX(EnergyLeft,EnergyRight)
低值:左值和右值的较小值。MIN(ValueLeft,ValueRight)
波底标准率(BottomRatio):左右能量的差值与能量的比值。ABS(EnergyLeft-EnergyRight)/Energy;
左时长(TimeDurationLeft):左时刻和峰时刻的差值TimeMax–TimeLeft;
右时长(TimeDurationRight):右时刻和峰时刻的差值TimeRight-TimeMax;
时长(TimeDuration):右时刻和左时刻的差值TimeRight-TimeLeft;
时间标准率:左右时长差值与时长比值。ABS(TimeDurationLeft-TimeDurationRight)/TimeDuration;
左均值:左和/左时长(SummaryLeft/TimeDurationLeft;
右均值:右和/右时长(SummaryRight/TimeDurationRight;
均值:总和/时长(SummaryLeft+SummaryRight)/TimeDuratio。
本发明提供的基于运动数据的波形分析方法,其包括:
1、采集原始数据并利用原始数据处理得到波形图。
2、提取波形图中的波形特征,并根据波性特征适配小波数组组合算法,合并小波数组得到大波数组。
具体的,提取波形图中的波形特征,根据波形特征从原始波形中解析得到基波,并将其加入到小波数组中,其中,所述基波要求为:
a从左时到峰时,数据值不得下降。即当
TimeLeft<=N<=TimeMax时Value(N)<=Value(N+1)。
b从峰时到右时,数据值不得上升。即当
TimeMax<=N<=TimeRight Value(N)>=Value(N+1)。
c左值是极小值点。
d右值是极小值点。
适配小波数组组合算法之前对数据进行噪声消除,提取有效数据加入小波数组。一般建议噪声能量值小于目标合格波形的能量值10%的为有效数据。
当波形满足噪声条件,则根据波形合并规则进行合并,噪声合并后的波形仍然视为基本波形(小波)。
根据分析的需要,小波在算法指定的规则下,将自身提交给大波数组,或合并相邻的几个波形,合并成一个大波,提交给大波数组。
具体的,解析小波数组并利用预设的合并条件对小波数组进行合并,将相邻小波形合并为大波形,并提交至大波数组,其中,通过设置小波形左能量的启动阈值、小波形能量最大值和最小值、小波形波底标准率及小波时长等做为合并条件。
波形规则按照如下方法进行确定:
假设两个时间紧密连接的两个波形左边波形1(wave1)和右边波形2(wave2),需要进行合并,合并后的波形waveMix合并规则为:
如图1所示,如果wave1的峰值小于等于wave2的峰值,则waveMix的相关参数为:
TimeLeft_mix=TimeLeft_1;
TimeRight_mix=TimeRight_2;
ValueLeft_mix=ValueLeft_1;
ValueRight_mix=ValueRight_2;
ValueMax_mix=ValueMax_2;
TimeMax_mix=TimeMax_2;
SummaryLeft_mix=SummaryLeft_1+SummaryRight_1+SummaryLeft_2;
SummaryRight_mix=SummaryRight_2;
如图2所示,如果wave1的峰值大于等于wave2的峰值,则waveMix的相关参数为:
TimeLeft_mix=TimeLeft_1;
TimeRight_mix=TimeRight_2;
ValueLeft_mix=ValueLeft_1;
ValueRight_mix=ValueRight_2;
ValueMax_mix=ValueMax_1;
TimeMax_mix=TimeMax_1;
SummaryLeft_mix=SummaryLeft_1;
SummaryRight_mix=SummaryRight_1+SummaryLeft_2+SummaryRight_2。
3、对大波数组适配大波数组识别算法,对识别后大波数组解析得到分析结果。大波数组中的波形,根据最终结果的特征和约束,解析是否为目标波形。
其中,对大波数组适配大波数组识别算法具体为:利用预设的大波形识别条件对大波数组进行识别过滤,其中,预设的大波形识别条件包括大波形左能量的启动阈值、大波形能量最大值和最小值、大波形波底标准率及大波时长。
因此,本发明波形分析中,需要在小波数组的解析中(小波合并成大波)和大波数组的解析中(大波的模式识别)设置好相应的条件(例如左能量的启动阈值,最大值的要求,最小值的要求,波底标准率,波的时长等各种参数和限制,实现波形处理和数据过滤,最终得到目标分析结果。
如图3所示为本发明波形分析方法具体流程图,其步骤如下:
S1、采集原始数据。通过各种传感器(例如加速度传感器)采集到的原始数据。
S2、将原始数据整理,展示成波形图。
S3、分析波形特点,提取波性特征。
S4、根据波形特征,分别适配小波数组组合算法和大波数组识别算法。
S5、根据算法进行调试,验证,同时做特征参数微调。
S6、最终算法完成。
如图4所示的基于运动数据的波形分析系统,其中,所述系统包括:
数据采集模块100,用于采集原始数据;
数据处理模块200,用于利用原始数据处理得到波形图并提取波形图中的波形特征;
数据解析模块300,用于根据波性特征适配小波数组组合算法,合并小波数组得到大波数组;对大波数组适配大波数组识别算法,对识别后大波数组解析得到分析结果。
本发明提供一种基于运动数据的波形分析方法及系统,该方法将数据分析转换成波形分析,大大简化了分析过程,提升了分析效率,同时该方法对ROM空间和RAM空间需求小,CPU运算需求小,执行效率高,响应速度快,能够实现实时解析,并且该方法具有应用广泛的特点,适用于所有呈明显波形的数据分析。
可以理解的是,对本领域普通技术人员来说,可以根据本发明的技术方案及本发明构思加以等同替换或改变,而所有这些改变或替换都应属于本发明所附的权利要求的保护范围。
Claims (7)
1.一种基于运动数据的波形分析方法,其特征在于,包括:
采集原始数据并利用原始数据处理得到波形图;
提取波形图中的波形特征,并根据波性特征适配小波数组组合算法,合并小波数组得到大波数组;
对大波数组适配大波数组识别算法,对识别后大波数组解析得到分析结果;
提取波形图中的波形特征,根据波形特征从原始波形中解析得到基波,并将其加入到小波数组中,其中,所述基波要求为:波形左边最小值是极小值点,波形右边最小值是极小值点,从波形左边最小值对应的时间到波形峰值对应的时间,数据值不得下降,从波形峰值对应的时间到波形右边最小值对应的时间,数据值不得上升;
适配小波数组组合算法具体为:解析小波数组并利用预设的合并条件对小波数组进行合并,将相邻小波形合并为大波形,并提交至大波数组,其中,预设合并条件包括小波形左能量的启动阈值、小波形能量最大值和最小值、小波形波底标准率及小波时长。
2.根据权利要求1所述的基于运动数据的波形分析方法,其特征在于,所述原始数据为能处理成波形模型的运动数据。
3.根据权利要求1所述的基于运动数据的波形分析方法,其特征在于,适配小波数组组合算法之前对数据进行噪声消除,提取有效数据加入小波数组。
4.根据权利要求3所述的基于运动数据的波形分析方法,其特征在于,噪声消除条件为:噪声能量值小于目标合格波形的能量值10%的为有效数据。
5.根据权利要求1所述的基于运动数据的波形分析方法,其特征在于,波形合并按照预设合并规则进行,当两个时间紧密连接的两个波形,左边的波形1和右边的波形2需要进行合并,合并规则为:
当波形1的峰值小于等于波形2的峰值,则合并波形的相关参数为:
合并左时刻=波形1左时刻;
合并右时刻=波形2右时刻;
合并波形左边最小值=波形1左边最小值;
合并波形右边最小值=波形2右边最小值;
合并峰值=波形2峰值;
合并峰值时刻=波形2峰值时刻;
合并波形左边所有值之和=波形1左边所有值之和+波形1右边所有值之和+波形2左边所有值之和;
合并波形右边所有值之和=波形2右边所有值之和;
当波形1的峰值大于等于波形2的峰值,则合并波形的相关参数为
SummaryRight_mix=SummaryRight_1+SummaryLeft_2+SummaryRight_2
合并峰值=波形1峰值;
合并峰值时刻=波形1峰值时刻;
合并波形左边所有值之和=波形1左边所有值之和;
合并波形右边所有值之和=波形1右边所有值之和+波形2左边所有值之和+波形2右边所有值之和。
6.根据权利要求3所述的基于运动数据的波形分析方法,其特征在于,对大波数组适配大波数组识别算法具体为:利用预设的大波形识别条件对大波数组进行识别过滤,其中,预设的大波形识别条件包括大波形左能量的启动阈值、大波形能量最大值和最小值、大波形波底标准率及大波时长。
7.一种基于运动数据的波形分析系统,其特征在于,所述系统包括:
数据采集模块,用于采集原始数据;
数据处理模块,用于利用原始数据处理得到波形图并提取波形图中的波形特征;
数据解析模块,用于根据波性特征适配小波数组组合算法,合并小波数组得到大波数组;对大波数组适配大波数组识别算法,对识别后大波数组解析得到分析结果;
提取波形图中的波形特征,根据波形特征从原始波形中解析得到基波,并将其加入到小波数组中,其中,所述基波要求为:波形左边最小值是极小值点,波形右边最小值是极小值点,从波形左边最小值对应的时间到波形峰值对应的时间,数据值不得下降,从波形峰值对应的时间到波形右边最小值对应的时间,数据值不得上升;
适配小波数组组合算法具体为:解析小波数组并利用预设的合并条件对小波数组进行合并,将相邻小波形合并为大波形,并提交至大波数组,其中,预设合并条件包括小波形左能量的启动阈值、小波形能量最大值和最小值、小波形波底标准率及小波时长。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810719532.9A CN109033996B (zh) | 2018-07-03 | 2018-07-03 | 一种基于运动数据的波形分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810719532.9A CN109033996B (zh) | 2018-07-03 | 2018-07-03 | 一种基于运动数据的波形分析方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109033996A CN109033996A (zh) | 2018-12-18 |
CN109033996B true CN109033996B (zh) | 2022-02-11 |
Family
ID=65521591
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810719532.9A Active CN109033996B (zh) | 2018-07-03 | 2018-07-03 | 一种基于运动数据的波形分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109033996B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1479587A (zh) * | 2001-11-13 | 2004-03-03 | 波形分段及分割段的表征方法 | |
CN101067976A (zh) * | 2006-09-15 | 2007-11-07 | 核电秦山联营有限公司 | 压水堆核电站控制棒驱动机构在线监测及故障诊断方法 |
CN106197470A (zh) * | 2016-06-29 | 2016-12-07 | 联想(北京)有限公司 | 一种数据处理方法及电子设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060190057A1 (en) * | 2005-02-24 | 2006-08-24 | Reese Edward W | Synthetic traveling wave transcutaneous electrical stimulation device |
-
2018
- 2018-07-03 CN CN201810719532.9A patent/CN109033996B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1479587A (zh) * | 2001-11-13 | 2004-03-03 | 波形分段及分割段的表征方法 | |
CN101067976A (zh) * | 2006-09-15 | 2007-11-07 | 核电秦山联营有限公司 | 压水堆核电站控制棒驱动机构在线监测及故障诊断方法 |
CN106197470A (zh) * | 2016-06-29 | 2016-12-07 | 联想(北京)有限公司 | 一种数据处理方法及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN109033996A (zh) | 2018-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gnanasivam et al. | Fingerprint gender classification using wavelet transform and singular value decomposition | |
CN110197209A (zh) | 一种基于多特征融合的辐射源识别方法 | |
CN110243806B (zh) | 拉曼光谱下基于相似度的混合物组分识别方法 | |
CN100507971C (zh) | 基于独立分量分析的车辆声音识别方法 | |
CN101526994B (zh) | 一种与采集设备无关的指纹图像分割方法 | |
CN103279957A (zh) | 一种基于多尺度特征融合的遥感图像感兴趣区域提取方法 | |
WO2002059828A3 (en) | Computer-aided image analysis | |
CN110619296A (zh) | 一种基于奇异分解的信号降噪方法 | |
CN111222442A (zh) | 一种电磁信号分类方法和装置 | |
CN101515454A (zh) | 一组用于语音、音乐、噪音自动分类的信号特征提取方法 | |
CN108444954B (zh) | 光谱信号峰值检测方法、装置以及系统 | |
CN108470155A (zh) | 一种雷达辐射源个体识别的大规模流式数据处理方法 | |
CN107315111A (zh) | 一种电能质量扰动分类方法及系统 | |
CN113283331A (zh) | 用于无人值守传感器系统的多类别目标识别方法及系统 | |
CN109254654B (zh) | 一种结合PCA和PCANet的驾驶疲劳特征提取方法 | |
Yang et al. | Radar emitter signal recognition based on time-frequency analysis | |
CN109033996B (zh) | 一种基于运动数据的波形分析方法及系统 | |
CN108805844A (zh) | 一种基于先验滤波的轻量化回归网络构建方法 | |
CN117331360A (zh) | 基于功能需求的竹材生产工艺参数智能控制方法及系统 | |
CN105574494B (zh) | 一种多分类器姿势识别方法及装置 | |
CN104330624A (zh) | 一种非平稳信号紧密间隔频率成分的检测方法 | |
CN112434634B (zh) | 一种快速消除土木工程结构健康监测信号尖峰的方法及系统 | |
CN106685435B (zh) | 一种低信噪比信号中快速提高有效信号变化量的方法 | |
Povoroznyuk et al. | Design of non-linear filter in the problem of structural identification of biomedical signals with locally concentrated properties | |
Gao et al. | Target signal extraction method based on enhanced ICA with reference |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220119 Address after: 510700 room 312, 3 / F, Sinotrans building, No. 97, sailor Road, Huangpu District, Guangzhou, Guangdong Province (for office functions only) Applicant after: Yunyitong Technology Co.,Ltd. Address before: Room F07, F09, F11, f13, zhongchuangke workshop, 1 / F, building 3, TONGCHAN Xinxing Industrial Park, 28 Langshan Road, Xili street, Nanshan District, Shenzhen City, Guangdong Province 518000 Applicant before: SHENZHEN FIRST LANCHOU TECHNOLOGY CO.,LTD. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |