Python中的信号拟合模型

我在以下链接中共享了一个数据集：

估算的_data.csv

文件的简单绘图生成以下绘图

一个简单的

actual_data.csv

（这是我的基本事实）绘图生成以下绘图

当我们将实际信号和估计信号一起绘制时，这就是我们得到的结果

我想找到估计信号和实际信号最接近的模式。我尝试使用

pandas.rolling_max（）

找到最接近的模式，方法是将数据加载到

DataFrame

中，计算滚动最大值，然后翻转整个系列并向后计算窗口。下面是我的

Python

脚本

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
plt.ion()

df = pd.read_csv('estimated.csv', names=('x','y'))
df['rolling_max'] = df['y'].rolling(8500).max()
df['rolling_max_backwards'] = df['y'][::-1].rolling(850).max()
df.rolling_max.fillna(df.rolling_max_backwards, inplace=True)
plt.figure()
plt.plot(df['x'], df['rolling_max'], label = 'rolling')

plt.legend()
plt.title('Pattern')
plt.xlim(0,10)
plt.ylim(0,700)
plt.xlabel('Time [Seconds]')
plt.ylabel('Segments')
plt.grid()
plt.show(block=True)

最终生成以下模式

---

然而，当我将其与我的基本事实（实际数据.csv的绘图）进行比较时，我觉得这个模式不够接近。我们如何应用滤波模型，如

Kalman-Filter

，找到这样一种模式

卡尔曼滤波器适用于输入数据，该数据具有加上高斯噪声的真实平均值。您可以测量或以其他方式知道随机噪声的方差，并将其作为测量噪声提供给算法。您的输入数据（您称之为“估计信号”）没有（平均）实际信号的值。它似乎有一个错误，导致它经常接近零测量，很少高于实际值。它似乎只会超过实际值，作为实际值即将急剧下降的警告

---

在这种情况下，卡尔曼滤波器不太可能帮助您，因为它对输入数据的假设被该数据集严重违反。最好的办法是改进输入数据（例如，在这种情况下，错误可能是由于传感器中存在缺陷）。如果不可能，您自己对数据的直觉（采用滚动最大值）比KF更符合行为。

将此示例用作路线图。好的，斯科特，我会看一遍，谢谢。