NXP TSS 学习笔记 - 数据收集与 Data Intelligence 工具

WPG大大通

于 2025-05-22 08:30:00 发布

阅读量663

点赞数 30

分类专栏： NXP产线文章标签：学习笔记大大通经验分享数据分析

本文链接：https://blog.csdn.net/wpgddt/article/details/148104025

版权

97 篇文章

订阅专栏

这一次要来介绍如何通过 NXP eIQ （版本：1.14.0）的机器学习工具 Time Series Studio 来完成数据集收集以及分析。

使用 Time Series Studio 来收集数据时，需要搭配一个目标设备经由 Serial Port 链接到电脑，将数据传送至电脑中。

数据传输格式如下：

Data Intelligence 可以帮助我们将数据集进行自动分析以及给予建议，我们就能够借由这些建议来优化我们的数据集。

过去我们根据自己的知识来导入数据集，进行模型的训练，但有时候训练出来模型效果并不好。

因此藉由 Data Intelligence 能够协助分析我们所收集到的数据，并提出建议，目的是为了优化数据集：

第一步是配置导入数据的参数，输入以下项目：

一旦设定了通道数量，我们就可以为每个通道进行命名，方便我们后续理解分析报告。
点击每个类别旁边的 + 按钮来导入数据集。它会自动分辨文档中的分隔符号、行数和行数，确保每个文件符合指定的格式。
- 當數據為 Segmented Data ，列數必須等於視窗大小乘以通道數
- 當數據為 Continuous Data ，列數必須等於通道數
我们可以修改每个类别的别名，方便我们后续分析。
完成步骤后，按一下 START DATA ANALYSIS按钮，进行数据分析并产生报告。

接着 Data Intelligence 工具就会开始帮我们自动分析，等待一段时间后，我们就会收到分析结果。

数据余额
- 利用5颗星评价来说明我们的数据在分类任务中，是否为完美平衡的。
通道关联
- 适合用于通道数量 >= 2。
- 利用混淆矩阵来说明不同通道之间的关联性。
- 数值越大，通道之间的关联性越高; 数值接近0则反之。我们可以通过此信息来辨别不重要的通道有哪些并删除，这有助于我们在训练模型的数据集。

Channel 重要性
- 適合用於 Segmented Data。
- 适合用于通道数量 >= 2
- 显示每个频道的重要性分数，分数越高越好。
- 在此範例中，可以看到通道 X 比其他通道更重要。

最佳采样参数
- Sampling Frequency（取样频率）：推荐将原始取样频率做「下采样」的建议值。去除高频噪声、减少数据量与功耗，提升系统效能。可以帮助我们节省资源和电力，同时仍保留必要的信息。
- Window Size（窗口大小）：建议在进行特征撷取与分类前，数据的分段长度（Time Window）。目的是让每一个数据段都能代表一个稳定状态，仅对 Continuous Data 有效。
- Sampling Duration（采样持续时间）：单一分段样本数据的取样时间。
- Distinction Score（区别分数）：在「推荐的 Sampling Frequency 与 Window Size」条件下，该数据对不同分类标签（如情绪、疲劳、警觉等）的区分能力。数值越高分辨力越好，代表该组参数设定能更有效地分辨不同状态。