MATLAB中利用PAA (piecwise aggregate approximation)算法将时序特征序列映射为长度为224的短序列

目的：

在尽可能多地保留特征信息的同时减少计算量和内存消耗。代码注释详细，且已经封装为函数，可以直接调用，故不多做解释。

代码：

main.m

load tol_data_1.mat


time_series = tol_data(1,1,:);
time_series = time_series(:);

% 原始数据
figure
plot(time_series)
xlabel('时间')
ylabel('Y')
title('原始时序序列')

% PAA方法压缩
original_time_series = time_series; 
compressed_time_series = paa_compress(original_time_series, 224);

% 压缩后的图像
figure
plot(compressed_time_series)
xlabel('时间')
ylabel('Y')
title('压缩时序序列')

paa_compress.m

%% PAA算法将原始红外特征序列映射为长度为224的短序列

function compressed_series = paa_compress(time_series, reduced_length)
    % 定义一个函数paa_compress，接受两个参数：原始时序序列和要缩短至的长度

    original_length = length(time_series);
    % 获取原始时序序列的长度

    if original_length <= reduced_length
        % 如果原始序列长度小于等于要缩短至的长度
        compressed_series = time_series;
        % 则将压缩后的序列设为原始序列本身
    else
        compression_ratio = floor(original_length / reduced_length);
        % 计算压缩比，即将原始序列分为几个等距段

        compressed_series = zeros(1, reduced_length);
        % 创建一个长度为reduced_length的全零数组，用于存储压缩后的序列

        for i = 1:reduced_length
            % 循环reduced_length次，依次计算每个等距段的平均值

            segment = time_series((i-1)*compression_ratio+1 : i*compression_ratio);
            % 根据当前段号和压缩比计算当前等距段的起始索引和结束索引，获取该段数据

            compressed_series(i) = mean(segment);
            % 计算当前段的平均值，并将其存储至压缩后的序列中
        end
    end
end