Resampling

In vielen Deepview-Funktionen müssen mehrere Signale kombiniert werden: in Functions, Scatter-Plots, Tabellen, Filtern und mehr. Haben diese Signale unterschiedliche Zeitbasen, wird es schwer zu wissen, welche Datenpunkte von Signal A zu welchen Datenpunkten von Signal B gehören.

Manche Tools erlauben es nicht, Signale mit unterschiedlichen Zeitbasen zu kombinieren. In Deepview wird das durch Resampling der Signale gelöst.

Müssen mehrere Signale kombiniert werden, könnt ihr wählen, wie das geschieht:

• off — nicht resamplen, nur die ursprünglichen Timestamps verwenden
• auto — mit einer dynamischen Frequenz resamplen, die von den zugrunde liegenden Signalen und dem Datenbank-Verbindungstyp abhängt
• on — mit einer ausgewählten Frequenz resamplen

Resampling off

Bei off werden alle Signale anhand ihres exakten Timestamps zusammengeführt. Haben alle Signale Datenpunkte mit exakt übereinstimmenden Timestamps (bis auf die Nanosekunde), hat das Ergebnis-Signal ebenfalls einen Datenpunkt zu diesen Timestamps. Datenpunkte mit einem Timestamp, der nicht in allen Ausgangssignalen vorkommt, werden im Ergebnis-Signal ignoriert.

Vorteile:

• Exakte Timestamps bleiben erhalten
• Schneller als on oder auto

Nutzt off nur, wenn ihr sicher seid, dass alle Signale exakt dieselbe Zeitbasis haben — sonst riskiert ihr Datenverlust.

Resampling auto

auto funktioniert im Grunde wie on, nur mit dynamischer Auswahl der Frequenz (siehe Resampling on unten). Welche Frequenz verwendet wird, hängt davon ab, ob die Datenbankverbindung Upsampling unterstützt — wird Upsampling unterstützt, wird das Maximum der zugrunde liegenden Frequenzen verwendet, sonst das Minimum.

Resampling on

Bei on (oder auto) werden die Eingangssignale mit der ausgewählten Frequenz abgetastet, um das Ausgangssignal zu erzeugen.

Dazu wird der Zeitbereich in Buckets (Bins) der Breite 1/Frequenz Sekunden unterteilt. Innerhalb jedes Buckets wird der erste Datenpunkt ausgewählt und erhält einen neuen Timestamp: die Startzeit des entsprechenden Buckets. So haben alle Signale übereinstimmende Timestamps, und Deepview weiß, welche Datenpunkte im Ergebnis-Signal kombiniert werden.

Da Daten pro Bucket aggregiert werden, können sich Timestamps leicht verschieben (um maximal eine Periode).

Der genaue Algorithmus funktioniert je nach Verbindung leicht unterschiedlich.

Upsampling implementiert

Für die am häufigsten genutzten Datenbankverbindungen upsampled der Algorithmus die Signale zunächst auf eine gemeinsame Zeitachse, indem fehlende Daten mit der angegebenen Frequenz forward-gefüllt werden. Die upgesampleten Signale mit der gemeinsamen Zeitachse werden dann wie oben beschrieben zum Ergebnis-Signal kombiniert. Bei auto wird die höchste Frequenz ausgewählt.

Forward Fill sorgt dafür, dass keine Daten erfunden werden und Integer-Signale Integer bleiben.

Die folgenden Abbildungen zeigen, was je nach gewählter Frequenz passiert:

Upsampling nicht implementiert

Für einige seltener genutzte Datenbankverbindungen ist Upsampling noch nicht implementiert, und Resampling nutzt stattdessen die Rohdaten des Signals. Für diese Verbindungen verwendet auto automatisch die niedrigste Frequenz — eine höhere Frequenz einzustellen liefert keine zusätzlichen Daten.

Die richtige Frequenz wählen

In den meisten Fällen ist es am besten, auto die optimale Frequenz bestimmen zu lassen. In folgenden Fällen ist es sinnvoll, davon abzuweichen:

• Alle eure Daten haben exakt denselben Timestamp (z. B. aus CSV-Dateien oder derselben Gruppe innerhalb einer MDF-Datei) — dann könnt ihr bedenkenlos off nutzen
• Ihr habt einen sehr komplexen Plot mit vielen Functions und/oder Filtern, der eine Weile zum Laden braucht, und euch interessiert eher ein schneller Überblick als exakte Daten — verringert die vorgeschlagene Frequenz; ihr verliert dabei etwas Daten, aber der Plot lädt schneller