这个场景我太熟悉了——不同设备的传感器采样时钟不同，导致时间戳对不上，但又知道一个数据集完全包含另一个，滑动窗口+时序相似性确实是最直接的解决方案。下面我给你一步步拆解完整的实现流程，都是可以直接跑的代码：

第一步：解析原始数据并做预处理 #

首先得把那种字符串格式的原始数据转换成能计算的数值数组，而且两个数据集的传感器单位不一样（dataset1是整数，dataset2是浮点数），必须先归一化消除单位影响，不然相似性计算会完全失真。

import numpy as np
from sklearn.preprocessing import StandardScaler

def parse_dataset(file_content):
    """把原始的字符串数据集解析成时间戳数组和特征数组"""
    timestamps = []
    features = []
    # 跳过第一行表头，遍历每一行数据
    for line in file_content.strip().split('\n')[1:]:
        # 按分号拆分timestamp、加速度、陀螺仪字段
        ts_part, acc_part, gyro_part = line.split(';')
        # 解析时间戳
        timestamps.append(float(ts_part.strip()))
        # 解析加速度x/y/z：去掉括号，拆分数值
        acc_values = np.array([float(x.strip()) for x in acc_part.strip().strip('()').split(',')])
        # 解析陀螺仪x/y/z
        gyro_values = np.array([float(x.strip()) for x in gyro_part.strip().strip('()').split(',')])
        # 合并成6维特征：加速度3轴 + 陀螺仪3轴
        features.append(np.concatenate([acc_values, gyro_values]))
    return np.array(timestamps), np.array(features)

# 假设你的数据集是字符串格式（如果是文件的话，用open读取即可）
dataset1_str = """dataset_1 : timestamp accelerometer x/y/z gyroscope x/y/z
1636364625.432132;(276, -1692, 1100);(-30, -24, 13)
1636364625.433018;(280, -1685, 1092);(-40, -35, 10)
1636364625.4402454;(299, -1707, 1086);(-80, -33, 19)
1636364625.4471848;(290, -1716, 1078);(-93, -36, 18)
1636364625.46067;(286, -1733, 1070);(-87, -46, 14)
1636364625.4831429;(287, -1745, 1073);(-60, -36, 22)
1636364625.5075622;(292, -1735, 1078);(-31, -28, 15)
1636364625.5285385;(278, -1729, 1064);(-38, -17, 16)
1636364625.544534;(281, -1722, 1059);(-40, -12, 11)"""

dataset2_str = """ dataset_2 : timestamp accelerometer x/y/z gyroscope x/y/z
1636364622.9333024;(1.050449, -0.973879, 9.875179);(14.0, -10.01, -3.22)
1636364622.9403024;(1.050449, -0.973879, 9.875179);(46.970001, -71.959999, -70.279999)
1636364622.9403024;(1.050449, -0.973879, 9.875179);(-52.150002, 9.8, -8.75)
1636364622.9413025;(1.160519, -1.040878, 10.028319);(-60.130001, 11.97, -7.28)
1636364622.9413025;(1.167697, -1.172483, 9.695717);(-75.389999, 14.7, -7.63)
1636364622.9563024;(1.335195, -1.548156, 9.566505);(-98.629997, 20.02, -7.7)
1636364622.9693024;(1.167697, -1.749153, 9.432507);(-119.209999, 28.139999, -9.17)
1636364622.9883025;(0.995414, -1.842474, 9.741181);(-134.889999, 31.780001, -11.76)
1636364623.0103025;(0.847059, -2.175076, 9.829715);(-157.289993, 35.0, -13.23)"""

# 解析两个数据集
ts1, feat1 = parse_dataset(dataset1_str)
ts2, feat2 = parse_dataset(dataset2_str)

# 归一化特征：用dataset2的统计量来归一化两个数据集，避免数据泄露
scaler = StandardScaler()
scaler.fit(feat2)
feat1_scaled = scaler.transform(feat1)
feat2_scaled = scaler.transform(feat2)

第二步：滑动窗口+动态时间规整(DTW)计算相似性 #

这里强烈推荐用DTW来计算时序相似性，它比普通的欧氏距离更适合传感器数据——能处理采样率差异和微小的时间偏移，鲁棒性强。先通过pip install dtw-python安装依赖库。

from dtw import dtw

def find_best_matching_window(target_feat, search_feat):
    """
    在search_feat中滑动窗口，找到与target_feat最相似的子窗口
    返回：最佳窗口的起始索引，最小DTW距离
    """
    target_length = target_feat.shape[0]
    search_length = search_feat.shape[0]
    
    min_distance = float('inf')
    best_start_idx = 0

    # 遍历所有可能的窗口起始位置
    for start_idx in range(search_length - target_length + 1):
        # 提取当前窗口
        current_window = search_feat[start_idx:start_idx + target_length]
        # 计算DTW距离：用欧氏距离作为局部距离度量
        distance, _, _, _ = dtw(target=target_feat, query=current_window, dist_method='euclidean')
        # 更新最小距离和最佳索引
        if distance < min_distance:
            min_distance = distance
            best_start_idx = start_idx

    return best_start_idx, min_distance

# 运行匹配
best_start, min_dtw_dist = find_best_matching_window(feat1_scaled, feat2_scaled)
print(f"最佳匹配窗口起始索引：{best_start}")
print(f"最小DTW距离：{min_dtw_dist:.2f}")

# 获取匹配的时间戳和原始特征
matched_timestamps = ts2[best_start:best_start + len(ts1)]
matched_features = feat2[best_start:best_start + len(ts1)]

第三步：计算时间偏移量 #

找到最佳窗口后，就可以算出两个数据集的时间差了：

# 时间偏移量 = dataset1第一个时间戳 - 匹配窗口第一个时间戳
time_offset = ts1[0] - matched_timestamps[0]
print(f"两个数据集的时间偏移量：{time_offset:.6f}秒")

一些优化建议 #

• 如果你的数据集很大，滑动窗口+DTW的计算量会比较高，可以先对数据做降采样（比如用均值插值减少样本数），或者使用dtw-python的快速DTW模式（设置fast=True）。
• 如果两个数据集的采样率非常接近，也可以用滑动窗口的欧氏距离均值替代DTW，计算速度会快很多。
• 可以尝试给不同的传感器特征加权重（比如陀螺仪的权重更高），根据你的业务需求调整相似性计算的优先级。

内容的提问来源于stack exchange，提问作者Lukas S