我从不同传感器中获得了多个曲线，但这些传感器都附着在同一个移动物体上。
现在我想从中提取特征，假设我将0-10的时间段作为窗口1，那么在窗口1中我有5个图表，每个图表代表一个特定位置的传感器，每个传感器生成3条曲线，分别是x（红色）、y（绿色）和z（蓝色），如下图所示：
**整个图表是一个单一窗口
由于所有传感器都附着在同一个移动物体上，我认为这些图表和曲线之间应该有一些可以用作机器学习算法（特别是SVM）特征的关系。但它们实在是太多了，我有点迷茫了。
从这个单一窗口中我能生成多少合理的特征？
非常感谢任何建议…谢谢！
回答：
你可以通过解决正交Procrustes问题来将不同的时间序列转换到同一个坐标系中。
这是你提供的五个欧拉角数组（它们存储在arr[0]到arr[4]中，作为169×3的numpy数组）：
现在我们通过以下Python程序解决正交Procrustes问题，这允许我们将一个数组旋转以尽可能接近另一个数组：
def rotate_into(arr0, arr1): """解决正交Procrustes问题""" M = dot(arr0.T, arr1) (U,S,V) = svd(M) Q = dot(U, V) # 转换arr0到arr1的旋转矩阵 return arr0.dot(Q)svd是奇异值分解，位于numpy.linalg.svd中。现在我们可以将这个程序应用到每个数组上，并将其转换为尽可能接近参考数组，这里是第一个数组：
reference = 0for i in range(0,5): subplot(2,3, i+1) plot(rotate_into(arr[i], arr[reference]))
现在所有系列都是可比较的，你可以通过计算均值、标准差等来轻松提取特征。
