您是否从前运用过两个传感器信号来丈量同一体系的不同部分？假如没有运用同一数据收集体系丈量这些信号，那么在后处理中同步这些信号或许会十分苦楚。它们的采样率和时钟时刻或许略有不同，需求偏移。
咱们的传感器客户一般需求在多个设备上同步这些独立的数据收集和传感东西。关于一个客户而言，同步是如此重要，以至于咱们与他们合作开发了一种解决方案，用于同步我想在此博客中与您同享的两个信号。
需求同步的未对齐数据的示例
履行同步所需的硬件（破坏者：您需求丈量一些通用的东西！）
在信号之间从头采样数据以具有一起的采样率
运用“严重”事情确认偏移量
同步数据的终究成果
剖析技能可改善同步
定论
数据未对齐的示例
一般在工程中，咱们有来自两个独立传感器的相同或类似内容的数据记载，而且想要对齐记载以便在两者之间履行更杂乱的剖析。可是，即便关于装备为具有相同采样率的两个设备，在每个设备上也会呈现与实在采样率的细小差异，而且或许导致这两个设备的采样之间逐步呈现差错。因为时钟漂移，设备在记载开端时还或许具有不同的内部时刻戳记，然后导致记载之间的初始时刻偏移。因而，咱们要对这些记载履行某种同步，以一起考虑采样率漂移和初始时钟偏移。同步需求既准确又具有合理的运转时刻。
图1：蓝色和橙色信号别离记载在两个设备上。他们的录音类似，可是其间之一随时刻改变，其间之一被误解为采样率
设备硬件要求
为了保证传感器以咱们以为的采样率运转，需求专门的硬件。关于每个正在记载数据的设备，该设备还将发生一个正弦波，从中咱们以比实践传感器更高的速率记载样本。咱们称其为“同步数据”，并将发生该信号的信号称为“同步信号”。
从头采样以获取通用采样率
为了能够比较两个信号，它们有必要具有相同的采样率，因而咱们的首要任务是将两个信号从头采样为相同的采样率。为此，咱们首要核算信号一与信号二的时刻之比，这能够经过比较同步信号的频率来确认（运用傅立叶剖析，请拜见下图）。然后用一个有理数来近似该比率，其间分子是信号再采样所需的样本数，分母是信号二所需的样本数（更多信息请拜见下面的剖析技能部分）。经过遵从这种重采样战略，信号的重采样数据中的时刻步将保持一致，采样率也将保持一致。
图2：记载未对齐信号时保存的同步数据的FFT
确认偏移
现在咱们有两个具有相同采样率的信号，咱们有必要确认两次记载开端之间的时刻偏移。这个问题能够被界说为寻觅最佳信号一个偏移吨 ∈（ – LEN（信号 1），LEN（信号 2））？ ？由一些衡量，其最好的同步重采样信号。咱们还答应用户指定两个信号之间的最大开始时刻偏移，以防止由一个信号中的终究几个采样与另一个信号中的前几个采样很好地同步引起误报的或许性。
当使具有很多样本的信号同步时，用于最佳偏移的查找空间很大，而且核算两个信号怎么同步的核算成本很高。直观上，咱们防止这种状况的办法是使记载中的“首要”事情同步，因为这些“首要”事情应记载在两个信号中，因而它们的偏移应使信号对齐。考虑到这一点，咱们生成了或许包括最佳解决方案的查找空间子集。为了确认该子集，咱们在每个信号中获取“关注点”，并运用在挑选一对点（每个信号中的一个）来对齐信号时呈现的偏移。在这里，咱们将“关注点”界说为信号中发现的任何峰或谷。
图3：记载已从头采样，而且其“爱好点”在图上标有“ X”。这些点旨在捕获在两个信号中都已记载的首要“事情”
终究成果：同步数据！
然后依据最佳的爱好点对（两个信号中的每个信号之一）对信号进行对齐。在咱们的事例中，咱们挑选“最佳”表明发生最大归一化相互关的信号。
图4：本文最初显现的相同信号，但现在已同步！处理了有问题的时移和频率差错，并调整了信号的时刻戳以更好地表明何时记载数据
改善同步性的剖析办法
时刻跨度比的有理迫临
近似于两个信号之间的时刻跨度比的有理数在这种办法中起着至关重要的效果，而且很有或许会得到改善。具体来说，它会发生时刻跨度比的最佳有理近似值，其间分母小于1e6，而且大于两个原始信号之一中最大采样数的5倍（以保证对其进行充沛的过采样）。
因为时刻跨度比率（和原始信号中的点数相同）的差异十分小，因而该办法在用于重采样的点数上或许会有很大改变。更准确地挑选有理迫临（经过某种办法，例如核算切断的接连分数）或许会进步其同步信号的才能。
同步目标
标准化相互关在同步评分方面做得很好，但不一定是能够做到的最好。用更准确的同步衡量乃至集成衡量来替代其运用或许会进步其辨认最佳同步装备的才能。
爱好点（POI）查找
改善POI查找办法将进步找到最佳对齐办法的或许性。更准确的POI查找办法不太显着的副效果是，经过查找较少的误报，将测验较少的非最佳POI对以进行对齐，因而，运转速度将进步。
定论
期望这种快速概述能够帮助您界说怎么同步来自两个不同传感器和数据收集体系的数据。总而言之，首要过程是：
保证两个传感器正在丈量相同/类似的物体
以相同速率从头采样数据
查找感爱好的事情以确认偏移量
