信号处理（Java语言）

我有一个传感器，我正在阅读，目前的代码是Java，但我不认为这个问题是语言特定的，更多的方法相关

传感器产生的信号有高脉冲和低脉冲，大致类似于心跳。然而，“高”脉冲并不总是相同的电平，“低”脉冲也不总是相同的电平。我感兴趣的是相对差异。但是，仅此一点还不够，因为在单个“会话”中，高值和低值也可能发生变化（想想弯曲的中点）

我包括了一张我希望能够处理的4种“类型”信号的图片。左上角是“理想的”，我相当肯定我已经可以处理了，其他三个更常见，更不容易处理

我目前的方法是寻找数据的平均值，看看有多少次穿过该点，这将告诉我有多少个高脉冲和低脉冲

我想知道是否有一种简单的方法可以检测高低脉冲，而不用平均法

---

找到改变方向的点。用微积分的术语来说，这是二阶导数

基本上你是在寻找一个点，

sign（f（x）-f（x-1））

与

sign（f（x+1）-f（x））

---

根据您的数据采集，有几种方法可以做到这一点。如果您添加了一些关于您的具体问题的更多信息，我将编辑答案以提供更多帮助。

看起来，您只需要高频率即可。当你说你想提取波的频率时，我首先想到的是傅里叶变换；这将信号从时域转换为频域。给定以下采样波：

这是一种正弦方式，我添加了噪音和趋势。基本正弦波的频率为1.5Hz

你可以得到这个傅里叶变换

在这里你可以看到0hz时的大响应，这是线性趋势，在这种情况下我们可以忽略它。在这之后，你可以在1.5Hz的响应中看到一个峰值，即我们输入信号的频率。换言之；一旦进行了傅里叶变换，结果就是具有最大值的数据点（在移除非常低频的结果之后）

Java代码 Apachi commons有一个快速傅立叶变换类，我用它来创建这个变换。它将波形的采样数据作为输入，并输出一个复数，复数的模数（实部平方的平方根加上虚部平方）为。输出数组中的每个条目

i

都引用

i*采样频率/noOfSamples

处的频率

然而，下面的java代码为您处理了这些问题。快速傅里叶变换的唯一问题是输入项的数量必须是2的幂

import org.apache.commons.math3.complex.Complex;
import org.apache.commons.math3.transform.DftNormalization;
import org.apache.commons.math3.transform.FastFourierTransformer;
import org.apache.commons.math3.transform.TransformType;

public class FourierTest {

    public static void main(String[] args) {
      
        double samplingFrequency=10; //hz, You will know this from your data and need to set it here
        
        

        double[] frequencyDomain = new double[input.length];

        FastFourierTransformer transformer = new FastFourierTransformer(DftNormalization.STANDARD);
        try {           
            Complex[] complex = transformer.transform(input, TransformType.FORWARD);
            
            for (int i = 0; i < complex.length; i++) {               
                double real = (complex[i].getReal());
                double imaginary = (complex[i].getImaginary());

                frequencyDomain[i] = Math.sqrt((real * real) + (imaginary * imaginary));
            }

        } catch (IllegalArgumentException e) {
            System.out.println(e);
        }

        //only to frequencyDomain.length/2 since second half is mirror image or first half
        for(int i=0;i<frequencyDomain.length/2;i++){
            double frequency=samplingFrequency*i/frequencyDomain.length;
            System.out.println("Frequency: " + frequency + "\t\tEnergyComponent: " + frequencyDomain[i]);
        }
    }
    
    static double[]  input = new double[]{
            0.017077407 , //sample at 0 seconds
            1.611895528 , //sample at 0.1 seconds
            2.063967663 , //sample at 0.2 seconds
            1.598492541 , //etc
            0.184678933 ,
            0.02654732  ,
            0.165869218 ,
            1.026139745 ,
            1.914179294 ,
            2.523684208 ,
            1.71795312  ,
            0.932131202 ,
            1.097366772 ,
            1.107912105 ,
            2.843777623 ,
            2.503608192 ,
            2.540595787 ,
            2.048111122 ,
            1.515498608 ,
            1.828077941 ,
            2.400006658 ,
            3.562953532 ,
            3.34333491  ,
            2.620231348 ,
            2.769874641 ,
            2.423059324 ,
            2.11147835  ,
            3.473525478 ,
            4.504105599 ,
            4.325642774 ,
            3.963498242 ,
            2.842688545 ,
            2.573038184 ,
            3.434226007 ,
            4.924115479 ,
            4.876122332 ,
            4.553580015 ,
            3.92554604  ,
            3.804585546 ,
            3.476610932 ,
            4.535171252 ,
            5.398007229 ,
            5.729933758 ,
            5.573444511 ,
            4.487695977 ,
            4.133046459 ,
            4.796637209 ,
            5.091399617 ,
            6.420441446 ,
            6.473462022 ,
            5.663322311 ,
            4.866446009 ,
            4.840966187 ,
            5.329697081 ,
            6.746910181 ,
            6.580067494 ,
            7.140083322 ,
            6.243532245 ,
            4.960520462 ,
            5.100901901 ,
            6.794495306 ,
            6.959324497 ,
            7.194674358 ,
            7.035874424 

        };
}

import org.apache.commons.math3.complex.complex；
导入org.apache.commons.math3.transform.dft规范化；
导入org.apache.commons.math3.transform.FastFourierTransformer；
导入org.apache.commons.math3.transform.TransformType；
公开等级考试{
公共静态void main（字符串[]args）{
double samplingFrequency=10；//hz，您将从数据中知道这一点，需要在此处进行设置
double[]frequencyDomain=新的double[input.length]；
FastFourier变压器=新的FastFourier变压器（DFT.STANDARD）；
试试{
复数[]复数=transformer.transform（输入，TransformType.FORWARD）；
对于（inti=0；i对于（int i=0；i，根据我对问题的理解，这里需要的是峰值相对于相邻波谷的高度。我创建了一个库，可以使用我称之为尖峰检测的方法处理此类情况。该库被称为尖峰检测，并提供一个称为尖峰检测的实用程序

可以找到峰值检测的演示，可以做的是识别相对于相邻波谷的峰值高度，然后使用特定值进行过滤


橙色交叉代表检测到的峰值。
我认为您需要某种类型的平均方法，但不一定要对整个信号进行平均。您可能可以使用boxcar滤波器。因此，您是否希望立即获得峰值和波谷之间的平均差（反之亦然）或者你想知道波的频率？这是我需要的波的频率。如果信号不对称，这仍然有效吗？即，向上的坡度比向下的坡度更陡，或者反之亦然？是的，你所做的只是找到拐点。请注意，此方法假设你沿着曲线获得数据点，而不是高点、低点、高点模式。仅仅改变方向是不够的（由于信号上的噪音）我最终寻找了一个实质性的方向变化，结果证明这是相对准确的。看来我需要知道波的频率来使用它。是的，但你可以从一个低截止频率开始，然后增加它，直到只有非常高的频率通过。这很有趣，我现在没有时间去做我的回答可以深入到任何深度，但我看到的一些东西可能会引起问题：如果波的频率小于1，会发生什么？有可能区分真实结果和“非常低频的结果”吗？@ZackNewsham傅里叶的优点是