La entrada de wikipedia de moogs es un buen punto de partida para suavizar los datos. Pero no te ayuda a tomar una decisión.
Todo depende de sus datos y la velocidad de procesamiento necesaria.
Media móvil Aplanará los valores superiores. Si está interesado en el valor mínimo y máximo, no lo use. También creo que usar la media móvil influirá en la medición de la aceleración, ya que aplanará los datos (un poco), por lo que la aceleración parecerá más pequeña. Todo se reduce a la precisión necesaria.
Savitzky-Golay Algoritmo rápido. Tan rápido como el promedio móvil. Eso preservará las alturas de los picos. Algo más difícil de implementar. Y necesitas los coeficientes correctos. Yo elegiría este.
filtros de Kalman Si conoce la distribución, esto le puede dar buenos resultados (que se utiliza en los sistemas de navegación GPS). Tal vez algo más difícil de implementar. Menciono esto porque los he usado en el pasado. Pero probablemente no sean una buena opción para un titular en este tipo de cosas.
Lo anterior reducirá el ruido en su señal.
Lo siguiente que debe hacer es detectar el punto inicial y final de la "aceleración". Puede hacer esto creando un Derivative de la señal original. El punto (s) donde la derivada cruza el eje Y (cero) son probablemente los picos en su señal, y puede indicar el inicio y el final de la aceleración.
Puede crear una derivada de segundo grado para obtener el mínimo y la aceleración máxima.
Si modelas las cosas de la manera correcta, el filtro de Kalman te dará velocidad y aceleración directamente. –
un buen ejemplo de código para Savitzky-Golay se puede encontrar en http://www.procoders.net/?p=11 – Wouter
SG es trivial de implementar una vez que tenga los coeficientes. Solo usa sgolay de R para encontrarlos. – Paul