Python 具有信号间相关性的合成多元时间序列数据

为了测试一些分类器，我想生成一个包含3个信号的合成时间序列数据，以及一个单独的标签，该标签应取决于所有三个信号中的所有数据点，以下是我希望我的信号遵循的规则：

这三个信号之间应该有一定的相关性

标签应取决于所有三个信号上的所有点

它不应该是线性可分的，它应该是分类器处理的一个困难问题。（具体而言，我不希望简单的双向LSTM模型达到80%以上的精度）

我尝试了很多方法，包括其中一种，让大家了解我正在尝试做什么：

随着时间的推移，以随机频率（在我的示例中，我使用了7 8 9 10之间的值作为频率）和随机相位生成基本正弦信号，问题是找到这个频率，因此标签（y）取决于频率（如果频率大于8 y为1，则y为0）然后我生成3个随机滤波器，并将这个基本信号卷积3次，生成我的3个信号。我在每个步骤中添加噪声

freq = np.random.choice([7, 8, 9, 10])
phase = np.random.rand() * 10
base = []
for i in range(data_size):
   base.append(np.random.rand() + math.sin(phase + float(i/freq)))
for f in filters:
   signal = np.convolve(base, f)
   signal += np.random.rand(len(signal)) * 6
   all_features.append(signal)
if freq > 8:
   y = 0
else:
   y = 1

这些数据的问题在于，一个简单的BiLSTM模型在其上的准确率达到了100%左右。 所以我的问题是，有没有办法做到这一点？你知道我可以用哪个库来生成这个吗

如果你能用任何编程语言提供一个例子，例如，我在R中找到了simstudy包，我认为可以在这里使用，但是，我不知道如何在那里实现这一点

谢谢您的帮助。

这可能会更好地用于。。。