2.2. Data AnalysisThis phase consis

2.2. Data Analysis
This phase consists of five activities, as is shown in figure 2, which are described as follows.
1. Getting the Magnitude. The magnetic-field measures were modeled as a vector of three components Bx, By, and
Bz 9; we can compute the total magnitude of the field as described in Eq. (2), where Mx, My, and Mz are the three
physical axes along x, y, and z respectively.
|M| =

Mx2 + My2 + Mz2 (2)
2. Signature Normalization. After the magnetic field magnitude is obtained, we eliminate spatial scaling and shifting
by normalizing each signature using Eq. (3), where zi,d is the normalized reading, ri,d refers to the i
th observation
of the signature in dimension d; μd is the mean value of the signature for dimension d and σd is the standard
deviation of the signature for dimension d.
∀i ∈ m : zi,d = ri,d − μd
σd
(3)
Eq. 3 is applied for all dimensions in Rd
3. Feature Extraction: This process consists of the magnetic-field data reduction, in order to extract the main signal
features sufficient to characterize the signal behavior. We extract features from two domains : time and frequency.
(a) Temporal Shape Features: These features are computed from the signal waveform. From the temporal shape
were extracted 16 features, as is shown in table 1 .
(b) Spectral Shape Features: In order to extract spectral features, the spectral signal is acquired by performing
a P-point Fast Fourier Transform to each signature 11, as shown in Eq. (4), where ES i is the i
th energy
signature of the normalized signal, and NS i is the i
th normalized signature.
∀i ∈ n : ES i = FFT(NS i) (4)
4. Merging Signal Features. Once all the features are computed, all of them are merged into a data set of features
that summarize the behavior of the signal reducing the amount of data from 1,000 data points to 46 per signature.
5. Percentile Rank. Once all the features were extracted and merged, a percentile rank was done to each feature to
keep them in a range 0 to 1.

ผลลัพธ์ (ไทย) 1:

2.2 วิเคราะห์ข้อมูลขั้นตอนนี้ประกอบด้วยกิจกรรมห้า แสดงในรูป 2 ซึ่งอธิบายได้ดังนี้1. ได้รับในขนาด วัดสนามแม่เหล็กถูกจำลองเป็นเวกเตอร์สามประกอบ Bx โดย และBz 9 เราสามารถคำนวณขนาดทั้งหมดของฟิลด์ตามที่อธิบายไว้ใน (2), Eq. ที่ Mx ของ ฉัน และ Mz สามแกนจริงตาม x, y และ z ตามลำดับ| M| =Mx2 My2 + Mz2 (2)2. ลายเซ็นฟื้นฟู หลังจากที่ได้รับขนาดสนามแม่เหล็ก เรากำจัดพื้นที่ปรับขนาด และเลื่อนลอยโดย normalizing ลายเซ็นแต่ละใช้ Eq. (3), การอ่านมาตรฐาน ri ซิ d d หมายถึงไอสังเกต thลายเซ็นใน d มิติ Μd คือ ค่าเฉลี่ยของลายเซ็นใน d มิติ และ σd เป็นมาตรฐานความแตกต่างของลายเซ็นสำหรับขนาด d∀i ∈ m: คล้ำ d = ri, μd d −Σd(3)ใช้ eq. 3 มิติทั้งหมดในถนน3. คุณลักษณะแยก: กระบวนการนี้ประกอบด้วยข้อมูลสนามแม่เหล็กลด เพื่อแยกสัญญาณหลักคุณสมบัติเพียงพอที่จะกำหนดลักษณะการทำงานของสัญญาณ เราแยกคุณลักษณะจากโดเมนที่สอง: เวลาและความถี่(ก) ชั่วคราวรูปร่างคุณสมบัติ: คุณลักษณะเหล่านี้จะคำนวณจากรูปคลื่นสัญญาณ จากร่างชั่วคราวได้แยกลักษณะ 16 ดังที่แสดงในตาราง 1(ข) สเปกตรัมลักษณะรูปร่าง: ซื้อมาเพื่อแยกลักษณะสเปกตรัม สัญญาณสเปกตรัม โดยดำเนินการจุด P รวดเร็วฟูรีเยแปลงลายเซ็นแต่ละ 11 ดังที่แสดงใน Eq. (4), ES ผม iพลังงาน thลายเซ็นของสัญญาณมาตรฐาน และ NS ฉันเป็นฉันลายเซ็นมาตรฐาน th∀i ∈ n: ES ผม = FFT(NS i) (4)4. รวมลักษณะการทำงานของสัญญาณ เมื่อมีคำนวณคุณสมบัติทั้งหมด ทั้งหมดรวมไว้ในชุดข้อมูลของที่สรุปลักษณะการทำงานของสัญญาณการลดจำนวนของข้อมูลจากจุดข้อมูล 1000 46 สำหรับลายเซ็น5. อันดับ percentile คุณลักษณะทั้งหมดที่ถูกแยก และผสาน อันดับ percentile ที่ทำให้แต่ละคุณลักษณะเพื่อเก็บไว้ในช่วง 0 ถึง 1

ผลลัพธ์ (ไทย) 2:

2.2 การวิเคราะห์ข้อมูลขั้นตอนนี้ประกอบด้วยห้ากิจกรรมตามที่แสดงในรูปที่ 2 ซึ่งมีรายละเอียดดังนี้. 1 การเดินทางขนาด มาตรการสนามแม่เหล็กที่ถูกจำลองเป็นเวกเตอร์สามองค์ประกอบ Bx โดยและBz 9; เราสามารถคำนวณขนาดรวมของสนามที่อธิบายไว้ในสมการ (2) ที่ Mx ของฉันและ Mz เป็นสามแกนพร้อมทางกายภาพx, y, z ตามลำดับ. | M | = MX2 + + MY2 MZ2 (2) 2 ลายเซ็นปกติ หลังจากที่ขนาดสนามแม่เหล็กจะได้รับเรากำจัดการปรับพื้นที่และขยับโดย normalizing ลายเซ็นแต่ละโดยใช้สมการ (3) ที่ซี่งเป็นอ่านปกติ ri, d หมายถึงฉันวันที่สังเกตมีการลงนามในมิติ d; μdเป็นค่าเฉลี่ยของลายเซ็นสำหรับ d มิติและσdเป็นมาตรฐานการเบี่ยงเบนของลายเซ็นสำหรับd มิติ. ∀i∈ m: ซี่, d = ri, d - μdσd (3) สมการ 3 ถูกนำไปใช้สำหรับทุกมิติในถนน3 คุณสมบัติสกัดกระบวนการนี้ประกอบด้วยข้อมูลสนามแม่เหล็กลดลงเพื่อที่จะดึงสัญญาณหลักมีเพียงพอที่จะอธิบายลักษณะพฤติกรรมของสัญญาณ เราดึงคุณสมบัติจากสองโดเมนเวลาและความถี่. (ก) คุณสมบัติรูปร่างชั่วขณะ: คุณลักษณะเหล่านี้จะคำนวณจากรูปแบบของคลื่นสัญญาณ จากรูปร่างชั่วถูกสกัด 16 คุณสมบัติตามที่แสดงในตารางที่ 1. (ข) รูปแบบและรูปทรงผี: เพื่อที่จะดึงคุณสมบัติสเปกตรัมสัญญาณสเปกตรัมที่ได้มาโดยการดำเนินการระดับP จุดแปลงแบบแต่ละลายเซ็น 11 เป็น แสดงในสมการ (4) ที่ ES ฉันเป็นฉันบริบูรณ์พลังงานลายเซ็นของสัญญาณปกติและNS ฉันเป็นฉันบริบูรณ์ลายเซ็นปกติ. ∀i n ∈: ES i = FFT (NS i) (4) 4 ผสานคุณสมบัติสัญญาณ เมื่อคุณสมบัติทั้งหมดที่มีการคำนวณทั้งหมดของพวกเขาจะถูกรวมเข้าเป็นชุดข้อมูลของคุณสมบัติที่สรุปการทำงานของสัญญาณการลดปริมาณของข้อมูลจาก 1,000 จุดข้อมูลถึง 46 ต่อลายเซ็นที่. 5 เปอร์เซ็นต์อันดับ เมื่อคุณสมบัติทั้งหมดถูกสกัดและรวมอันดับเปอร์เซ็นต์ทำเพื่อแต่ละคุณลักษณะที่จะให้พวกเขาในช่วง 0-1

ผลลัพธ์ (ไทย) 3:

2.2 . การวิเคราะห์ข้อมูล
ขั้นตอนนี้ประกอบด้วย 5 กิจกรรม ตามที่แสดงไว้ในรูปที่ 2 ซึ่งจะอธิบายดังนี้ .
1 รับขนาด สนามแม่เหล็กเป็นมาตรการแบบเวกเตอร์สามส่วน BX , โดย , และ
BZ 9 ; เราสามารถคำนวณขนาดทั้งหมดของเขตข้อมูลที่อธิบายไว้ในอีคิว ( 2 ) ที่บริษัทของฉันและ MZ เป็น 3
ทางกายภาพตามแกน x , y และ z
| M | ตามลำดับ =

mx2 my2 mz2 ( 2 )
2 บรรทัดฐานลายมือชื่อ หลังสนามแม่เหล็กขนาดได้ เราจัดพื้นที่การปรับและขยับ
โดย normalizing แต่ละลายเซ็นใช้อีคิว ( 3 ) ที่จื่อ เป็นมาตรฐานการอ่าน ริ งอ้างถึงผม

ของ th สังเกตลายเซ็นในมิติ D ; μ D เป็นค่าเฉลี่ยของลายเซ็นสำหรับมิติดี และ σ D เป็นมาตรฐาน
ส่วนของลายเซ็นสำหรับมิติ D .
∀ผม∈ M : จือ , D = ริ , D −μσ D
D
3
( 3 ) อีคิวใช้มิติทั้งหมดใน RD
3 การสกัดลักษณะเด่น : กระบวนการนี้ประกอบด้วยข้อมูลการลดสนามแม่เหล็ก เพื่อสกัด
สัญญาณคุณสมบัติหลักเพียงพอที่จะอธิบายพฤติกรรมของสัญญาณ เราดึงคุณสมบัติจากสองโดเมนของเวลาและความถี่ .
( ) คุณสมบัติและรูปร่าง :คุณลักษณะเหล่านี้จะคำนวณจากสัญญาณรูปคลื่น จาก
รูปร่างชั่วคราว 16 คุณสมบัติสกัด ดังที่แสดงในตารางที่ 1
( b ) มีเงารูปร่าง : เพื่อแยกคุณลักษณะสเปกตรัมสัญญาณสเปกตรัมถูกซื้อโดยการแสดงการ p-point การแปลงฟูรีเยอย่างเร็วแต่ละลายเซ็น 11 ตามที่แสดงในอีคิว ( 4 ) , ที่ฉันเป็นฉัน .

งามพลังงานลายเซ็นของรูปสัญญาณและ ns ผมเป็นผม

∀ th รูปลายเซ็นผม∈ N : E = หน่วย ( NS ) ( 4 )
4 ผสานคุณสมบัติของสัญญาณ เมื่อคุณสมบัติทั้งหมดจะถูกคำนวณทั้งหมดของพวกเขาจะรวมไว้ในชุดข้อมูลคุณลักษณะ
ที่สรุปพฤติกรรมของสัญญาณการลดปริมาณของข้อมูลจากจุด 1000 ข้อมูลต่อลายเซ็น 46 .
5 ตำแหน่งเปอร์เซนต์ไทล์ เมื่อคุณสมบัติทั้งหมดถูกแยกและผสานเป็นเปอร์เซ็นต์ไทล์ได้แต่ละคุณลักษณะ

เก็บไว้ในช่วง 0 ถึง 1