En fonction de la longueur de votre série chronologique, l’approche habituelle consiste à découper les données en segments, par exemple 10 secondes.
Cependant, souvent, avant de décomposer la série chronologique en segments, il est nécessaire d'effectuer certains prétraitements tels que le filtrage et le rejet d'artefacts. Vous pouvez ensuite calculer diverses caractéristiques telles que celles basées sur la fréquence (par exemple, prendre une FFT pour chaque époque), le temps (par exemple, la moyenne, la variance, etc. de la série chronologique à cette époque) ou la morphologie (par exemple, la forme du signal). / séries chronologiques à chaque époque).
Les caractéristiques utilisées pour classer les segments (époques) d'une série temporelle / d'un signal sont spécifiques à un domaine, mais l'analyse en ondelettes / Fourier ne sont que des outils vous permettant d'examiner votre signal dans les domaines fréquence / temps plutôt que d'être des caractéristiques en elles-mêmes.
Dans un problème de classification, chaque époque porte une étiquette de classe, par exemple «heureuse» ou «triste». Vous devez ensuite former un classificateur pour distinguer les périodes «heureuse» des «tristes» à l'aide des 6 caractéristiques calculées pour chaque époque.
Si chaque série chronologique représente un cas unique pour la classification, vous devez calculer chaque entité pour tous les échantillons de la série chronologique. La FFT n’est pertinente ici que si le signal est linéaire invariant dans le temps (LTI), c’est-à-dire si le signal peut être considéré comme stationnaire sur toute la série temporelle, si le signal n’est pas stationnaire sur la période considérée, une analyse en ondelettes peut être effectuée. plus approprié. Cette approche signifiera que chaque série temporelle produira un vecteur de caractéristiques et constituera un cas pour la classification.