14、基于时间窗口的传感器数据分割与实时活动识别

基于时间窗口的传感器数据分割与实时活动识别

1. 实时活动识别分析

在传感器数据处理中，对传感器数据流进行分割是一项重要任务。为了实现这一目标，有多种场景和配置可供考虑。这些场景主要分为两类：重叠时间窗口和非重叠时间窗口。

• 重叠时间窗口 ：两个或更多不同的时间窗口可以共享一些已激活的传感器。
• 非重叠时间窗口 ：没有一个已激活的传感器会被两个或更多时间窗口共享。

在这两类场景下，又各自包含四种具体的情况：
1. 固定大小时间窗口 ：所有时间窗口的大小相同。若初始时间窗口大小为 (w_0)，则新创建的窗口大小也为 (w_0)。
2. 可变大小时间窗口 ：新创建的时间窗口长度在运行时动态确定，且是初始窗口长度的倍数。即若初始窗口长度为 (w_0)，新窗口长度为 (a * w_0)（(a) 为正实数）。这两种场景的关键挑战在于如何在运行时选择最优的窗口大小。
3. 固定大小时间窗口的动态收缩和/或扩展 ：这是第一种场景的变体，同样使用固定大小的时间窗口，但可根据活动推断在运行时动态收缩或扩展。
4. 可变大小时间窗口的动态收缩和/或扩展 ：是第二种场景的变体。这里的关键挑战是确定触发时间窗口收缩或扩展的标准。

这八种不同的配置为传感器数据流的分割提供了多种选择，但选择最合适的分割方法并非易事，需要仔细设计时间窗口，并合理选择操作参数和策略。