用于特征提取的Python FFT

Question

我正在寻找对人体加速度计数据进行特征提取以用于活动识别的方法。我的数据的采样率为100Hz。

[我从各种来源研究了FFT是一种很适合使用的方法。我具有滑动窗口格式的数据，每个窗口的长度为256。我正在使用Python通过NumPy库执行此操作。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

这将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，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()

我正在寻找有关下一步提取功能的建议。谢谢

Answer 1

因此，当您将信号分解成频谱时，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得它相当困难。请记住，频谱中的一个频点-是相同的基本信号，其频率范围很窄。某些频率对于您的任务可能并不重要。

更好的方法，如果您可以尝试使用SFFT方法来了解频域中的信号特征。例如，您可以阅读this article有关Python上SFFT方法的信息。通常，此方法适用于搜索某种时频模式，可以将其识别为特征。例如，在人类语音模式中（如本文所述），您可能会看到具有持续时间和频率限制功能的可持续浮动频率。您需要为信号获取SFFT，才能在超声图上找到一些模式以提取任务的特征。