我在 StackOverflow 上问过这个问题，建议在这里问。
我有两个时间序列的 3D 加速度计数据，它们具有不同的时基（时钟在不同的时间开始，在采样时间有一些非常轻微的蠕变），并且包含许多不同大小的间隙（由于与写入分离相关的延迟）闪存设备）。
我使用的加速度计是便宜的GCDC X250-2。我以最高增益运行加速度计，因此数据具有显着的本底噪声。
每个时间序列有大约 200 万个数据点（超过一小时，每秒 512 个样本），并包含大约 500 个感兴趣的事件，其中一个典型事件跨越 100-150 个样本（每个样本 200-300 毫秒）。其中许多事件都受到闪存写入期间数据中断的影响。
所以，数据不是原始的，甚至不是很漂亮。但我的眼球检查显示它清楚地包含我感兴趣的信息。（如果需要，我可以发布情节。）
加速度计处于相似的环境中，但只是适度耦合，这意味着我可以通过肉眼判断每个加速度计的哪些事件匹配，但到目前为止我在软件中没有成功。由于物理限制，这些设备也安装在不同的方向，轴不匹配，但它们尽可能接近正交。因此，例如，对于 3 轴加速度计 A 和 B，+Ax 映射到 -By（上下），+Az 映射到 -Bx（左右），+Ay 映射到 -Bz（前后） .
我最初的目标是关联垂直轴上的冲击事件，尽管我最终希望 a) 自动发现轴映射，b) 关联映射 ace 上的活动，以及 c) 提取两个加速度计之间的行为差异（例如扭转或弯曲）。
时间序列数据的性质使 Python 的 numpy.correlate() 无法使用。我也看过 R 的 Zoo 包，但没有取得任何进展。我已经向信号分析的不同领域寻求帮助，但我没有取得任何进展。
有人对我能做什么或我应该研究的方法有任何线索吗？
2011 年 2 月 28 日更新：在此处添加了一些显示数据示例的图。