实际上，您可以将加速度计信号视为普通音频信号。处理音频数据（例如色度特征）有无限可能。

另一种方法是在神经网络（一维卷积或 LSTM）的帮助下直接处理原始信号。

我会推荐小波特征，而不是光谱特征和移动平均。您可以进行连续小波变换 (CWT) 或短小波变换 (SWT) 并识别出现坑洞的峰/降。小波的优点是它具有很好的抗噪声能力，您还可以保留时间轴信息以精确定位峰值的位置。

诀窍就是选择一个合适的小波。那些具有像 Daubechies 和 Symlets 这样的尖刺形状的将是理想的。

通过适当的特征提取，您甚至可以在没有机器学习的情况下进行检测。