从矩阵 A 中提取包含矩阵 B 元素的所有行的更好方法

Question

矩阵 A 是我的起始矩阵，它保存从我的 MPU6050 和 GPS 记录到 SD 卡上的数据（纬度、经度、时间、Ax、Ay、Az、Gx、Gy、Gz）。

我计算了 window 大小为 5 的 Az 的标准偏差，并确定了满足条件（> 阈值）的所有元素。

然后在矩阵"large_windows"中存储了window中所有满足条件的Az的索引。

从矩阵 "large_windows" 我计算了一个新矩阵 B，其中包含矩阵 A 中包含矩阵 "large_windows"[ 的所有行=51=] 元素。

我认为我的代码是effective, but very ugly and chaotic, plus i am still not very practical with indexing，但我想学习它。

---

1.是否存在更好的解决方案？

---

2。可以使用逻辑索引吗？如何？效率高*?

这是我的代码，是一个简化的示例，具有通用条件，不仅可以更好地理解整个概念，而且不仅是我的具体情况，

%random matix nXm
a=rand(100,6); 

%window dimension
window_size=4; 

%overlap between two windows
overlap=1;

%increment needed
step=window_size - overlap; 

%std threshold
threshold=0.3; 
std_vals= NaN(size(a,1),1); 

%The sliding window will analyze only the 5th column 
for i=1: step: (size(a,1)-window_size)
  std_vals(i)=std(a(i:(i+window_size-1),5));
end

% finding the rows with standard deviation larger than threshold
large_indexes = find(std_vals>threshold);

%Storing all the elements that are inside the window with std>threshold 

large_windows = zeros(numel(large_indexes), window_size);
for i=1:window_size
    large_windows(:,i) = large_indexes + i - 1;
end

% Starting extracting all the rows with the 5th column outlier elements 
n=numel(large_windows);

%Since i will work can't know how long will be my dataset 
%i need to knwo how is the "index distance" between two adjacent elements
% in the same row [es. a(1,1) and a(1,2)]


diff1=sub2ind(size(a),1,1);
diff2=sub2ind(size(a),1,2);

l_2_a_r_e = diff2-diff1 %length two adjacent row elements 
large_windows=large_windows'
%calculating al the index of the element of a ith row containing an anomaly
for i=1:n

   B{i}=[a(large_windows(i))-l_2_a_r_e*4 a(large_windows(i))-l_2_a_r_e*3 a(large_windows(i))-l_2_a_r_e*2 a(large_windows(i))-l_2_a_r_e*1 a(large_windows(i))-l_2_a_r_e*0 a(large_windows(i))+l_2_a_r_e];
end 

C= cell2mat(B');

我在发布之前也阅读了一些问题，但是 This was to specific

B 不包含在 A 中，所以这个问题没有帮助

I don't know how to use ismember 在这种情况下

希望我的图能更好的说明我的问题:)

感谢您的宝贵时间

Answer 1

这是一种实现您实际想要实现的结果的新方法。我纠正了您犯的 2 个错误，并将所有 for 循环替换为 bsxfun which is a very efficient function to do stuff like this. For Matlab R2016b or newer you can also implicit expansion 而不是 bsxfun。
我从您执行滑动 window 开始。您可以使用

而不是 for 循环

stdInds=bsxfun(@plus,1:step:(size(a,1)-overlap),(0:3).');
std_vals=std(a(sub2ind(size(a),stdInds,repmat(5,size(stdInds)))));

在这里。 bsxfun 创建一个数组，其中包含 windows 的行。它在每列中包含 1 个窗口。这些行需要转换为 a-array 的线性索引，以便获得可以传递给 std-function 的值数组。在您的实现中，您在这里犯了一个小错误，因为您的 for 循环在 size(a,1)-window_size 结束并且实际上应该在 size(a,1)-overlap 结束，否则您将错过最后一个 window .
现在我们得到了 windows 的标准值，我们可以检查哪些值大于您预定义的阈值，然后将它们转换回相应的行：

highStdWindows=find(std_vals_2>threshold);
highStdRows=bsxfun(@plus,highStdWindows*step-step+1,(0:3).');

highStdWindows 包含具有高标准值的 windows 的索引。在下一行中，我们使用 highStdWindows*step-step+1 计算这些 windows 的起始行，然后我们再次使用 bsxfun 计算与每个 window 对应的其他行。
现在我们来看看您的代码中的实际错误。这条线就在这里

B{i}=[a(large_windows(i))-l_2_a_r_e*4 a(large_windows(i))-l_2_a_r_e*3 a(large_windows(i))-l_2_a_r_e*2 a(large_windows(i))-l_2_a_r_e*1 a(large_windows(i))-l_2_a_r_e*0 a(large_windows(i))+l_2_a_r_e];

没有按照您的意愿进行。不幸的是，您在这里放错了几个括号。通过这种方式，您可以获取矩阵 a 的第 large_windows(i) 个元素并从中减去 4*l_2_a_r_e。你想写的是

B{i}==[a(large_windows(i)-l_2_a_r_e*4)  % and so on

这样您就可以从传递给 a 的索引中减去 4*l_2_a_r_e。这仍然是错误的，因为在 large_windows 中你存储了行号而不是对应于矩阵 a.
的线性索引 尽管如此，使用下标索引而不是线性索引可以更容易地实现这一点：

rowList=reshape(highStdRows,1,[]);
C=a(rowList,:); % all columns (:) and from the rows in rowList

这两行简单的代码告诉 matlab 获取存储在 highStdRows 中的所有行和所有列（由 : 表示）。有了这个，如果有两个相邻的 windows 具有高标准值，您将获得两次重叠行。如果您不想这样，可以改用此代码：

rowList=unique(reshape(highStdRows,1,[]));
C=a(rowList,:);

如果您想进一步了解 Matlab 中索引的工作原理，请查看 LuisMendo 关于此主题的 post。