长np.arrays中切割序列子序列的高效定位（含反转与噪声）

我有两个大型数值np.array（记为S1和S2），满足len(S1)>>len(S2)>>N（N为极大数）。S1称为原始序列，S2称为切割序列——由S1的多个不同子序列构成，这些子序列通常按时间顺序排列，但可能存在顺序反转，还会因噪声导致无法精确匹配。

示例如下：

S1 = [1,12,5,2,4,6,124,5,23,65,75,12,56243,21,54]         # 原始序列
S2a = [1,12,5,      124,5,      75,12,56243]               # 按时间顺序的切割序列
S2b = [1,12,5,                  75,12,56243,   124,5]      # 存在子序列反转的切割序列
S2c = [0.995,12,5.01,      124.1,5.5,      75.2,12,56242]  # 带噪声的时间顺序切割序列

我需要高效找到S2中的每个子序列在原始序列S1中的位置，期望输出如下：

# 期望输出
S2a = [0:2, 6:7, 10:12] # 按时间顺序匹配结果
S2b = [0:2, 10:12, 6:7] # 子序列反转后的匹配结果
S2c = [0:2, 6:7, 10:12] # 带噪声的匹配结果

这是我此前问题的后续，复杂度有所提升。我猜测可能涉及互相关算法，但难点在于S2由多个子序列混合构成。我曾尝试构建分类器检测序列分割，但样本获取成本过高，现寻求更可行的方案。

内容的提问来源于stack exchange，提问作者David Harar