我有一组传感器信号样本（包含大约10个读数，每个读数都包含X、Y和Z轴的读数），我将其用作训练集，我们称之为（s1）。程序每2秒钟持续监听传感器信号，我们称之为（h1）。现在，我想做的就是使用h1（它包含一个信号读数）并将其与信号的训练集（s1）进行匹配。

因此，从（s1）中，找到与（h1）最相似的信号（如信号峰值、峰值水平等强烈的相似性）。

使用神经网络可以轻松完成这个任务吗？处理信号时需要注意什么？傅里叶变换？

如果神经网络是可行的方法，有没有适合这种数据的特定算法？我目前正在开发一个使用加速度计数据评估道路表面的应用程序。

我处理的信号的一个例子如下所示。

Date= 1/1/2012 (dd:mm:yyyy) Time= 1:45:2 (hh:mm:ss)Speed Bump Recording Started at 1:45:2 (hh:mm:ss)X-Value = -0.141905, Y-Value = 8.436457, Z-Value = 5.019961, Timestamp(milliseconds) = 75002X-Value = -0.218546, Y-Value = 8.244855, Z-Value = 4.828360, Timestamp(milliseconds) = 75201X-Value = 0.317939, Y-Value = 8.781339, Z-Value = 4.866680, Timestamp(milliseconds) = 75401X-Value = 0.088017, Y-Value = 8.014933, Z-Value = 4.981641, Timestamp(milliseconds) = 75602X-Value = 0.011376, Y-Value = 7.976613, Z-Value = 5.633086, Timestamp(milliseconds) = 75802X-Value = 0.164658, Y-Value = 8.934620, Z-Value = 4.790039, Timestamp(milliseconds) = 76001X-Value = -0.141905, Y-Value = 8.474776, Z-Value = 3.985312, Timestamp(milliseconds) = 76202X-Value = 0.432900, Y-Value = 8.781339, Z-Value = 4.636758, Timestamp(milliseconds) = 76402X-Value = -0.141905, Y-Value = 9.471105, Z-Value = 4.138594, Timestamp(milliseconds) = 76601X-Value = 0.202978, Y-Value = 8.704699, Z-Value = 3.525469, Timestamp(milliseconds) = 76800X-Value = 0.394579, Y-Value = 7.440128, Z-Value = 3.640430, Timestamp(milliseconds) = 77001X-Value = -0.448467, Y-Value = 6.903644, Z-Value = 4.023633, Timestamp(milliseconds) = 77203X-Value = -0.640069, Y-Value = 11.195518, Z-Value = 9.005274, Timestamp(milliseconds) = 77401X-Value = -0.065264, Y-Value = 5.945636, Z-Value = 4.176914, Timestamp(milliseconds) = 77604X-Value = -0.755030, Y-Value = 9.317823, Z-Value = 4.675078, Timestamp(milliseconds) = 77801X-Value = -0.563428, Y-Value = 8.896300, Z-Value = 5.824687, Timestamp(milliseconds) = 78003X-Value = -0.410147, Y-Value = 8.014933, Z-Value = 5.211563, Timestamp(milliseconds) = 78201X-Value = -0.371827, Y-Value = 8.168214, Z-Value = 5.173242, Timestamp(milliseconds) = 78401Speed Bump Recording Stopped at 1:45:6 (hh:mm:ss)

回答：

我不确定我完全理解你的问题。如果你想在s1中找到与单一读数h1最接近的单一记录，并且X、Y和Z每个分量都同样重要，那么你可以

• 扫描s1中的元素列表，
• 为每个元素计算一个误差值，
• 选择误差最小的那个。

如果sx、sy、sz是s1中一个元素的分量，hx、hy、hz是h1的分量，那么你可以计算：

error = (sx - hx)^2 + (sy - hy)^2 + (sz - hz)^2

几何上，你可以将此解释为在3D空间中绘制所有点时，找到s1中与读数h1最接近的元素。 error 值是s中的元素与h之间的距离的平方。

另一方面，如果你想找到点序列之间的最佳匹配，你需要使用交叉相关。为此，你需要对一个序列中的每个元素与另一个序列中对应的元素进行分量-wise乘法，求和所有乘积，并除以序列的长度。最终结果越大，序列匹配得越好。

如果第一个序列包含点A1, A2, A3, …, An
第二个序列包含点B1, B2, B3, …, Bn
每个点包含x、y和z分量，那么你可以计算：

C(A,B) = [  (A1x * B1x) + (A1y * B1y) + (A1z + B1z)           + (A2x * B2x) + (A2y * B2y) + (A2z * B2z)          ...          + (Anx * Bnx) + (Any * Bny) + (Anz * Bnz)         ] / n