通过模态频率确定有用信号的开始

如果您的第一个图表与真实信号相关，那么您应该使用信号功率（信号^2在间隔内的积分或总和），并使用频率作为可靠性的证据。

如果您依赖于频率，请构建一个频谱图 - 一组连续（或重叠）间隔的傅里叶变换幅度，并估计所需频率间隔（例如 5-15 Hz）中每个频谱的功率与总功率的比率功率（零，并且可能一定要从计算中删除第一个计数）。如果该比率高于阈值（取决于您的具体数据），则低频占主导地位。

请注意，时尚不太适合您的任务。

嗯，这是给您的一个例子。需要选择窗口大小和截止值。窗口越大，越能平滑异常值，但检测延迟也越大。那么，截止值的选择也需要大致相同的考虑因素。

import pandas as pd
import numpy as np
import matplotlib.pylab as plt

data = np.array([50]*40+[5]*15+[50]*30+[5]*10+[50]*40)
data += np.random.randint(2, size=(len(data)))
data[45] = 30
data[50] = 40
data[90] = 25

series = pd.Series(data)
roll = series.rolling(3).mean()

found = roll < 20
result = (found != found.shift(-1))[:-1]
startstop = result[result].index

plt.figure()
plt.bar(range(len(data)), data)
plt.scatter(startstop, data[startstop], color='red', marker='*')
plt.savefig('data.png')

plt.figure()
roll.plot()
plt.scatter(startstop, roll[startstop], color='red', marker='*')
plt.savefig('dataroll.png')

for a, b in zip(startstop[::2], startstop[1::2]):
    print(f'{a}:{b}')

# 41:54
# 86:94