Python 一维信号聚类

我有几个一维信号，显示两个或更多波段。下面是一个例子。

我需要提取属于单个频带的数据点

---

我的第一个简单方法是对数据进行移动平均，得到数据大于平均值的指数

def seperate(x):
    average = scipy.ndimage.gaussian_filter(x, 10)
    # this gives me a boolean array with the indices of the upper band.
    idx = x > average
    # return the indices of the upper and lower band
    return idx, ~idx

绘制这些曲线和平均曲线将如下所示，其中红色表示上部，蓝色表示下部

这在本例中效果很好，但当存在两个以上的频带和/或频带没有很好地分开时，则会失败

---

我正在寻找一个更健壮、更通用的解决方案。我正在研究scikit learn，想知道是否可以使用一种聚类算法来实现这一点。

看一看时间序列相似性度量

事实上，我见过你在那里尝试过的二元阈值法，叫做“阈值交叉”，还有更多

一般来说，不存在“一刀切”的时间序列相似性。不同类型的信号需要不同的措施。这一点可以从以下事实中得到最好的体现：一些在FFT之后进行了更好的分析，而另一些FFT则毫无意义