Signal Quality Auditing for Time-series Data

作者: Chufan Gao, Nicholas Gisolfi, Artur Dubrawski

提交日期: 2024年2月1日

主题分类: 机器学习 (cs.LG); 信号处理 (eess.SP)

摘要

信号质量评估 (SQA) 对于监控数据采集系统的可靠性是必需的，尤其是在人工智能驱动的预测性维护 (PMx) 应用场景中。SQA 对于应对数据采集硬件和软件的“静默故障”至关重要，这些故障若未被察觉，会误导数据使用者，带来做出错误决策的风险，导致意外甚至灾难性的后果。

我们开发了一个用于分析时间序列数据的信号质量指数 (SQIs) 的开源软件实现。我们编码了一系列 SQIs，使用已建立的基准数据进行了演示，并表明它们可以有效地用于信号质量评估。我们还研究了时间序列数据去噪的替代方法，试图提高已退化信号的质量，并在相关的真实世界数据上对它们进行了实证评估。

据我们所知，我们的软件工具包是第一个提供广泛信号质量评估和改进技术的开源实现，并在公开可用的基准数据上进行了验证，以确保易于复现。我们框架的通用性可以轻松扩展到评估复杂系统中任意时间序列测量的可靠性，特别是当下游分析中波形形态模式和信号周期性是关键关注点时。