所以我们有一个系统可以检测人的活动，他有多个传感器（加速度计等），每个传感器都用机器学习算法单独学习 . 因此传感器可以发送：“我认为80％的人站在那里” . 目前我们已经使用数据集进行了同步，但在现实生活中，传感器是异步的，并且在不同的时间发送数据（每个传感器上的时钟都是不同的） . 所以问题是我们如何使数据集与具有空数据的数据集“同步” .
例子（每行50ms）：
那么我怎么能用一个值来填充空单元格以获得所有传感器的响应，因为我们有一个融合函数，当我们有一行数据时，人们正在做什么 .
我希望你明白我在寻找什么 . 我认为我们需要一些数学函数来填充空单元格，如线性函数或其他，但我需要确定，但我没有在网上找到确认或告诉我使用什么函数的研究报告 .
谢谢你读了我
祝你今天愉快 .
1 回答
我认为它取决于 what frequency you want the output at . 从您的帖子看来，您似乎希望以最快的传感器时钟运行 .
拥有多个传感器的关键是增加可用信息量 . 通过从您已有的信息填写“缺失值”，您很可能最终会得到更多的计算结果，这些结果没有或几乎没有附加 Value .
以下是我能想到的两个解决方案，一个简单，另一个更复杂，具体取决于您的级别，您使用的平台和可用的库 .
1.等待所有传感器
一个简单的解决方案是在启动融合处理之前等待所有（或部分）传感器发送一个值 . 这提供了明确的结果，但“低”帧率
2.卡尔曼滤波器
如果您愿意更深入地获取这些值，获得更快的刷新率，并且不介意花费一些处理能力，您可以在每个传感器上使用一些预测滤波器（如卡尔曼滤波器）来估计其值在它之前的演变中，你还没有从真正的传感器中获得 Value . 仅当您估计的持续时间相对于其值的变化非常短时，此方法才有效 . 这也使您可以超越最快传感器的速度 . Here是卡尔曼滤波器的初学友好解释 .