基于机器学习的传感器时序数据频率事件自动检测算法
机器学习
2023-10-18 v1 统计理论
统计理论
摘要
自动事件检测已成为利用传感器数据监测技术系统行为的基本实践之一。在汽车工业中，这些方法对追踪时序数据中的事件需求极高。为评估主动车辆安全系统，需开展多样化驾驶场景。这些场景使用外部传感器记录车辆行为，以便评估运行性能。在此类设定下，自动检测方法不仅加速评估，还通过避免数据中主观人工评判使评估标准化与客观化。本工作提出一种新颖事件检测方法，可识别时序数据中基于频率的事件。为此，时序数据被映射至时频域表示，即标度图（scalograms）。在滤波标度图以增强信号相关部分后，训练目标检测模型以检测标度图中所需事件对象。对于未见过时序数据的分析，可用训练好的目标检测模型在其标度图中检测事件，随后映射回时序数据以标记对应时间间隔。该算法在未见数据集上评估，取得 0.97 的事件检测精确率，提供尖锐时间间隔边界，而人工视觉检查难以准确标示。将该方法纳入车辆开发流程可提升事件检测的准确性与可靠性，对快速测试分析意义重大。
引用
@article{arxiv.2310.10841,
title = {A Machine Learning-based Algorithm for Automated Detection of Frequency-based Events in Recorded Time Series of Sensor Data},
author = {Bahareh Medghalchi and Andreas Vogel},
journal= {arXiv preprint arXiv:2310.10841},
year = {2023}
}