自動周波数帯域スキャンと状態変化検出で時系列データを診断します

これは何か

これはシングルチャンネル時系列データ用の診断ツールです。自動的に以下を行います。
- 構造を含む周波数帯域を特定します
- 各帯域を5つのタイプのうちの1つに分類します
- システム動作の急激な変化を検出します
- 異なる期間のデータを比較します

ラベル付きトレーニングデータ、事前定義されたテンプレート、または物理モデルは必要ありません。変動係数、標本エントロピー、エンベロープ歪度、再帰率の4つの独立した統計的指標を使用します。

学術参考文献: Zenodoプレプリント DOI 10.5281/zenodo.22837806

内容

診断レポート（PDF）には以下が含まれます。
- 帯域ごとのメトリクス: CV、標本エントロピー、歪度、再帰率
- 帯域ごとの分類
- 検出された遷移タイムスタンプ
- 3パネルの可視化（生信号、経時的なCV、経時的なエントロピー）

すべての帯域メトリクスとラベルを含む構造化された結果テーブル（CSV）。

分析フロー、パラメーター、結果の読み方を説明する手法に関する注記。

仕組み — わかりやすい言葉で

データを無線信号と考えてください。従来のツールは「50〜80 Hzにエネルギーがある」と伝えます。このツールは「50〜80 Hzの信号は安定していて構造化されている」または「50〜80 Hzの信号はセグメントごとに変化している」または「その帯域は単なるランダムノイズである」と伝えます。

また、動作が変化した正確な時間も伝えます。たとえば、「t=568秒で、システムは安定状態から不安定状態に切り替わりました。」

5つの分類ラベル

- 信号: 安定した構造化された信号
- セグメント化: 構造化されているがセグメントごとに変化している
- white_noise: フラットなランダムノイズ
- 非定常: ランダムな変動
- signal_low: 構造は存在するが、完全な分析にはデータが短すぎる

このツールでできないこと

- 波形形状を再構築できない
- 物理的なソースを特定できない
- 未来を予測できない
- マルチチャネルデータを処理できない
- 500ポイント未満のデータを処理できない
- 最初にトレンド除去しない限り、強いトレンドのあるデータを処理できない

提供する必要があるもの

1. 時系列データファイル
形式: CSV、TSV、TXT、またはHDF5
内容: 少なくとも1つの数値列（タイムスタンプはオプション）
長さ: 最小1000ポイント（5000+推奨）

2. サンプリングレート
例: 1秒あたり1サンプル、1ミリ秒あたり1サンプル、LIGO 16384 Hz

3. 目標
例:
- どの周波数帯域に信号が含まれているかを見つける
- 状態変化の正確な時間を検出する
- 2つのデータ期間間の構造を比較する

いつ使用するか

- 長い単一チャネルの時系列データがある場合
- システムの動作が途中で変化した疑いがある場合
- 「電力グリッチ」と「構造変化」を区別したい場合
- 詳細な分析の前に自動化された最初のスクリーニングが必要な場合

いつ使用しないか

- リアルタイムストリーミング
- マルチセンサーアレイ
- 物理的な説明が必要な場合
- 故障箇所の特定が必要な場合
- 将来の予測が必要な場合

価格

- ベーシック: 1つのデータセット、レポート + CSV（見積もりについてはお問い合わせください）
- スタンダード: 最大3データセット、比較分析、1回のQ&Aラウンド
- アドバンスト: バッチ分析、カスタムパラメーター、ソースコードライセンス

FAQ

Q: FFT / PSDとはどう違うのですか？
A: PSDは「各周波数にどれくらいのパワーがあるか」を伝えます。このツールは「各周波数にどのような種類の構造があり、それがいつ変化するか」を伝えます。

Q: 故障箇所を特定できますか？
A: いいえ。1次元の時系列データしかなく、空間情報はありません。「構造が変化した」ことは伝えますが、「どこで変化したか」は伝えません。

Q: 時間精度はどのくらいですか？
A: ウィンドウ長によります。1秒のウィンドウでは、遷移検出は約±1秒の精度です。

Q: 私のデータを処理できますか？
A: まず確認してください: 長さ ≥ 1000ポイント、強いトレンドがないこと、明確な変化が予想されること。もしそうなら、機能するはずです。そうでない場合、ツールは分析できないことを伝えます。