Python 用于特征提取的 FFT

Question

我希望对人体加速度计数据执行特征提取以用于 activity 识别。我的数据采样率为100Hz。

从我研究过的各种来源来看，FFT 是一种很好的使用方法。我有滑动 windows 格式的数据，每个 window 的长度是 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 array/window，fst_freq 是第一个 window/array fft_freq 数据。

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()

我正在寻找一些关于下一步提取特征的建议。谢谢

Answer 1

因此，当您将信号分解为频谱时，下一步您可以尝试了解哪些频率与您的应用相关。但是从单张光谱图片中得到它是相当困难的。请记住，频谱中的一个频率仓 - 它是受窄频率范围限制的相同基本信号。某些频率对您的任务可能并不重要。

更好的方法，如果你可以尝试 STFT method to understand your signal features in the frequency-time domain. For example, you may read this article 关于 Python 上的 STFT 方法。通常这种方法适用于搜索某种可以识别为特征的时频模式。例如，在人声模式中（如文章中所述），您可能会看到具有持续时间和频率限制特征的可持续浮动频率。您需要为您的信号获取 STFT，以便在超声图上找到一些模式，从而为您的任务提取特征。

Python 用于特征提取的 FFT

Python FFT for feature extraction

fft

machine-learning

feature-extraction

python-3.x