我正在构建一个在睡眠期间记录加速度计数据的 android 应用程序，以便分析睡眠趋势并可选择在浅睡眠期间在所需时间附近唤醒用户。
我已经构建了收集和存储数据以及警报的组件。我仍然需要以一种真正有意义和清晰的方式来解决显示和保存睡眠数据的问题，这种方式最好也适合于分析。
几张图说两千字：（因为rep少只能发一个链接）
这是未经过滤的数据，运动的总和，每隔 30 秒收集一次
和相同的数据，通过我自己的移动平均平滑表现来平滑
编辑）两个图表都反映了校准——有一个最小的“噪声”滤波器和最大的截止滤波器，以及一个警报触发水平（白线）
不幸的是，这两个都不是最佳解决方案——第一个对于普通用户来说有点难以理解，而第二个更容易理解，隐藏了很多真正发生的事情。特别是平均消除了运动尖峰的细节——我认为这些可能是有意义的。
那么为什么这些图表如此重要呢？这些时间序列在整个晚上作为反馈显示给用户，并将被存储以供以后查看/分析。平滑将理想地降低内存成本（RAM 和存储），并使这些资源匮乏的手机/设备上的渲染速度更快。
显然有一种更好的方法来平滑数据——我有一些模糊的想法，例如使用线性回归来找出运动中的“急剧”变化，并据此修改我的移动平均平滑。在我一头扎进可以更优化解决的问题之前，我真的需要更多的指导和输入。
谢谢！