Question

我有一个非常大的加速度样本列表（大约300k），我用matplotlib绘制。我的目标是绘制速度并获得最大值。

有没有办法整合加速列表以获得速度列表？

Answer 1

是的，有办法！它被称为＆＃34;数字集成＆＃34;，该短语应该使您能够找到您需要的工具或自己制作它们。

维基百科文章提供了一些在离散数据上实现集成的很好的例子。例如，您可以从矩形规则或梯形规则开始：

https://en.wikipedia.org/wiki/Numerical_integration

就像任何积分一样，会有一个未知的常数（初始速度）。

这是使用Python的许多可能解决方案之一：scipy.integrate：

https://docs.scipy.org/doc/scipy/reference/tutorial/integrate.html

Answer 2

通过一些假设，它可以很简单。例如，

1）如果你的样品在时间上是等距的， 2）你知道每次测量之间的时间， 3）初始速度为零，

你可以简单地从列表的开头到当前时间求和，如下所示：

acceleration_list = [1,2,3,4,5]
velocity_list = [sum(acceleration_list[:i]) for i in range(len(acceleration_list))]

以上假设每秒采集样本（或您想要的任何时间单位）。如果采样时间不同，请修改如

time_between_samples = 0.1
acceleration_list = [1,2,3,4,5]
velocity_list = [sum(acceleration_list[:i]) * time_between_samples for i in range(len(acceleration_list))]

Answer 3

因此。假设采样率为10 Hz，这就是我正在做的工作。

acceleration = [1, 2, 3, 4, 5, 6, 7, 8, 9]
velocity = [0]
time = 0.1
for acc in acceleration:
    velocity.append(velocity[-1] + acc * time)
del velocity[0]

Answer 4

我认为您正在寻找scipy.integrate.cumtrapz。它比上面的for循环实现要快得多。请参阅此答案here。基本思想是取正梯形公式的累积和（而不是单纯的和）：

def cumtrapz_example(y, x):
     return np.cumsum(0.5*((x[1:]-x[:-1])*(y[1:]+y[:-1])))

代替

def trapz_example(y, x):
     return np.sum(0.5*((x[1:]-x[:-1])*(y[1:]+y[:-1])))

关于Python数值积分的lesson也很有帮助。

Python中加速度样本数组的速度

4 个答案: