我有一个大型数据集，其值范围为 [-3,3]，并且我使用 0 作为边界的硬限制。
当数据以 56kHz 频率从 -3,3 振荡时，数据的二进制值为 1。这意味着数据将从 -3 变为 3 并返回每 N 个数据值，其中 N 通常 < 20。
当数据恒定为 3 时，数据的二进制值为 0（这通常可以持续 400+ 个样本）
我似乎无法将数据分组到它们的二进制类别中，并且也不知道该组有多少样本。
示例数据：
1.84 |
2.96 |
2.8 |
3.12 |
. | I want this to be grouped as a 0
. |
3.11 |_____
-3.42 |
-2.45 |
-1.49 |
3.12 |
2.99 | I want this to be grouped as a 1
1.97 |
-1.11 |
-2.33 |
. |
. | Keeps going until for N cycles
逻辑高电平状态之间的周期通常很小（<20 个样本）。
我到目前为止的代码：
state = "X"
for i in range(0, len(data['input'])):
currentBinaryState = inputBinaryState(data['input'][i]); # Returns -3 or +3 appropriately
if(currentBinaryState != previousBinaryState):
# A cycle is very unlikely to last more than 250 samples
if y > 250 and currentBinaryState == "LOW": # Been low for a long time
if state == "_high":
groupedData['input'].append( ("HIGH", x) )
x = 0
state = "_low"
else:
# Is on carrier wave (logic 1)
if state == "_low":
# Just finished low
groupedData['input'].append( ("LOW", x) )
x = 0
state = "_high"
y = 0
显然，结果并不如我所料，因为 LOW 组非常小。
[('HIGH', 600), ('LOW', 8), ('HIGH', 1168), ('LOW', 9), ('HIGH', 1168), ('LOW', 8), ('HIGH', 1168), ('LOW', 8), ('HIGH', 1168), ('LOW', 9), ('HIGH', 1168), ('LOW', 8), ('HIGH', 1168), ('LOW', 8), ('HIGH', 1168), ('LOW', 9)]
我知道我可以在信号处理 SA 上问这个问题，但我认为这个问题更面向编程。我希望我已经充分解释了这个问题，如果有任何问题可以问。谢谢。
以下是实际示例数据的链接：
https://drive.google.com/folderview?id=0ByJDNIfaTeEfemVjSU9hNkNpQ3c&usp=sharing
从视觉上看，数据的边界在哪里非常清楚。
更新 1
我已经更新了我的代码，使其更加清晰易读，因为单字母变量对我的理智没有帮助。
previousBinaryState = "X"
x = 0
sinceLastChange = 0
previousGroup = inputBinaryState(data['input'][0])
lengthAssert = 0
for i in range(0, len(data['input'])):
currentBinaryState = inputBinaryState(data['input'][i]);
if(currentBinaryState != previousBinaryState): # Changed from -3 -> +3 or +3 -> -3
#print sinceLastChange
if sinceLastChange > 250 and previousGroup == "HIGH" and currentBinaryState == "LOW": # Finished LOW group
groupedData['input'].append( ("LOW", x) )
lengthAssert += x
x = 0
previousGroup = "LOW"
elif sinceLastChange > 20 and previousGroup == "LOW": # Finished HIGH group
groupedData['input'].append( ("HIGH", x) )
lengthAssert += x
x = 0
previousGroup = "HIGH"
sinceLastChange = 0
else:
sinceLastChange += 1
previousBinaryState = currentBinaryState
x += 1
其中，对于样本数据，输出：
8
7
8
7
7
596 <- Clearly a LOW group
7
8
7
8
7
7
8
7
8
7
7
8
7
8
7
7
8
7
8
.
.
.
问题是 HIGH 组的持续时间超过了应有的时间：
[('HIGH', 600), ('LOW', 1176), ('HIGH', 1177), ('LOW', 1176), ('HIGH', 1176), ('LOW', 1177), ('HIGH', 1176), ('LOW', 1176)]
- 只制作了 8 组，但情节清楚地显示了更多。这些组的大小似乎是它们应有的大小的两倍。