Cómo decorelar datos del acelerómetro

Puede realizar una correlación automática (propia) o cruzada aplicando esta fórmula analógica o digital:

dónde

denota el complejo conjugado de

es el retraso

Del mismo modo, para funciones discretas, la correlación cruzada se define como :

Comparación visual de convolución, correlación cruzada y autocorrelación.

La correlación cruzada es similar en naturaleza a la convolución de dos funciones.

Si su educación matemática no está a nivel de grado, puede tener dificultades con esto, ¡así que busque ayuda!

VEA TAMBIÉN: Filtros coincidentes

MatLab y muchos otros paquetes harán el procesamiento por usted.

Los paquetes DSP también están disponibles si desea crear una plataforma de hardware.

Puede usar el Análisis de componentes principales (PCA), o equivalentemente SVD.

Encontrará una proyección a nuevos ejes donde los valores a lo largo de los nuevos ejes no están correlacionados linealmente.

Para hacerlo:

Organice sus datos en una matriz con 3 columnas.
La media normaliza sus datos restando la media de todas las filas.
Encuentre la matriz de covarianza $ C $ para los datos normalizados medios
Conmutar los vectores propios de la matriz de covarianza.
Los 3 vectores propios (ordenados por valores propios decrecientes) son las columnas de la matriz de rotación que puede usar para proyectar sus datos en valores lineales no correlacionados.

Este enlace le brinda un ejemplo de cómo implementar PCA paso a paso.
Implementación de un análisis de componentes principales (PCA)

Sin embargo, a menudo no necesita hacer los pasos usted mismo. Puede encontrar subrutinas en MatLab, R o numpy que calcule PCA por usted.

Peter Cochrane

More Interesting