Przetwarzanie pomiarów i przygotowanie danych

Surowy pomiar nie jest jeszcze gotowym sygnałem

Pomiary powstają w określonych warunkach i z użyciem konkretnego sposobu próbkowania. Surowy zapis może zawierać braki, nieregularne odstępy, różne jednostki, znaczniki czasu albo wartości wymagające przeliczenia. Zanim rozpocznie się porównywanie przebiegów, dane powinny zostać doprowadzone do spójnej postaci, która zachowuje znaczenie fizyczne lub logiczne oryginalnej obserwacji.

Przetwarzanie pomiarów nie powinno ukrywać informacji o jakości źródła. Brak danych różni się od wartości równej zero, a wartość niepewna różni się od wartości potwierdzonej. Jeśli takie przypadki zostaną ujednolicone bez zachowania ich znaczenia, późniejsza analiza może odczytać techniczny sposób zapisu jako właściwość badanego sygnału.

Czas, kolejność i synchronizacja

W sygnałach wielokanałowych szczególnie ważna jest synchronizacja. Dwie wartości z różnych źródeł można porównywać tylko wtedy, gdy wiadomo, czy odnoszą się do tego samego momentu lub tego samego etapu procesu. Nawet niewielkie przesunięcie może zmienić obserwowaną relację między kanałami, zwłaszcza przy szybko zmieniających się przebiegach.

Porządkowanie znaczników czasu, usuwanie duplikatów i kontrola kolejności próbek tworzą podstawę dalszej analizy. Nie chodzi o dowolne wyrównywanie danych, lecz o zachowanie rzeczywistej relacji czasowej. Jeżeli brakuje informacji potrzebnej do wiarygodnej synchronizacji, niepewność powinna pozostać widoczna w interpretacji.

Skala i porównywalność wartości

Dane z różnych źródeł mogą mieć odmienne zakresy, rozdzielczości i jednostki. Przeskalowanie bywa potrzebne wtedy, gdy cechy mają być porównywane wspólnie. Trzeba jednak odróżnić zmianę reprezentacji od zmiany znaczenia. Przeliczenie jednostki zachowuje informację, natomiast normalizacja do wspólnego zakresu może ukrywać bezwzględne różnice pomiędzy sygnałami.

Decyzja o skali zależy od późniejszego zadania. Jeśli ważna jest amplituda bezwzględna, nie należy jej usuwać przez automatyczne sprowadzanie każdego przebiegu do tego samego zakresu. Jeśli istotny jest przede wszystkim kształt, ujednolicenie skali może ułatwić porównanie. W obu przypadkach operacja powinna być spójna dla całego zbioru.

Braki i wartości nietypowe

Brakujące próbki wymagają odrębnego traktowania. Uzupełnienie na podstawie sąsiednich wartości może być rozsądne w stabilnym przebiegu, ale może zafałszować krótkie zdarzenie lub gwałtowną zmianę. Pozostawienie braku również wpływa na algorytmy, które oczekują ciągłej sekwencji. Dlatego sposób obsługi braków jest częścią definicji procesu przetwarzania.

Podobnie wartości nietypowe nie powinny być automatycznie uznawane za błędy. Mogą reprezentować wadliwy pomiar, ale mogą też być rzadkim i ważnym zdarzeniem. Ich ocena powinna wykorzystywać kontekst, informacje o źródle oraz zachowanie sąsiednich próbek.

Przygotowanie do detekcji i klasyfikacji

Końcowym celem przetwarzania pomiarów jest uzyskanie danych, których cechy można porównywać w sposób spójny. Obejmuje to zachowanie kolejności, kontrolę skali, oznaczenie braków, ograniczenie oczywistych artefaktów i przygotowanie struktur wykorzystywanych przez analizę. Dopiero na takim zapisie sensowne staje się stosowanie progów, miar podobieństwa i reguł klasyfikacyjnych.

Dobrze opisany etap przygotowania pozwala również odtworzyć drogę od wyniku do źródłowego pomiaru. Jeśli wykryte zdarzenie budzi wątpliwość, można sprawdzić, które operacje wpłynęły na dane i czy cecha istniała już w surowym zapisie. Taka możliwość jest istotną częścią uporządkowanego rozpoznawania.

Zachowanie informacji o źródle

Po ujednoliceniu danych nadal powinno być możliwe ustalenie, z jakiego rodzaju pomiaru pochodzi dana wartość i jakie operacje zostały wykonane przed jej użyciem. Ma to znaczenie szczególnie wtedy, gdy kilka źródeł ma różną rozdzielczość albo odmienny rytm próbkowania. Wspólny format ułatwia analizę, lecz nie powinien zacierać różnic wpływających na wiarygodność cech. Informacja o pochodzeniu pomiaru pomaga ocenić, czy nietypowa zmiana wynika z rzeczywistego zjawiska, charakterystyki konkretnego kanału czy sposobu konwersji danych. Dzięki temu przetwarzanie pozostaje etapem porządkującym, a nie źródłem niejawnych założeń.