将含数组的动态MF4信号保存为嵌套结构.mat文件

DevOps 小满

2026-8-27

问题背景

需要从MF4文件提取信号存储为.mat格式的嵌套结构体，信号名以点分隔命名，示例如下：

camera_detection.timestamp.seconds.value   
camera_detection.timestamp.nanoseconds.value 
camera_detection.object._0_.type                  
camera_detection.object._0_.position_x          
camera_detection.object._0_.position_y           
camera_detection.object._1_.type                 
camera_detection.object._1_.position_x           
camera_detection.object._1_.position_y

目标.mat文件内的结构体格式要求：

struct camera_detection with fields:
timestamp [1x1 struct with fields seconds and nanoseconds]
object [2x1 struct of array with fields type, position_x, position_y]

当前使用asammdf读取MF4文件，scipy.io.savemat写入.mat文件，现有代码可正确处理普通嵌套字段（如时间戳信号），但无法自动识别_<数字>_格式的数组索引，无法生成结构体数组。要求结构完全动态构建，不预先获知信号结构、数组大小，支持任意层级的数组嵌套。
现有代码如下：

### output dictionary
output = {}  

### Read file 
mdf = MDF("file.mf4")

for sig in mdf.iter_channels():
    parts = sig.name.split(".")
    current = output.setdefault(parts[0], {})

    for i in range(1,len(parts) - 1):
        current = current.setdefault(parts[i],{})
    
    current[parts[-1]] = sig.samples

### Save to mat file
savemat("out.mat", output)

实现方案

核心修改点：

通过正则识别路径中匹配_<数字>_格式的段，解析为结构体数组的索引
遍历路径时动态调整节点类型：首次访问数组索引时，将对应节点从默认字典转换为列表，按索引填充空结构体
所有信号遍历完成后，递归将结构转换为savemat兼容格式：Python字典对应MATLAB结构体，Python列表转换为dtype=object的N*1 numpy数组，对应MATLAB列方向结构体数组

完整代码：

import re
import numpy as np
from asammdf import MDF
from scipy.io import savemat

# 匹配_数字_格式的数组索引段
INDEX_PATTERN = re.compile(r'^_(\d+)_$')

def convert_to_mat_compatible(obj):
    """递归将嵌套结构转换为scipy.io.savemat兼容格式"""
    if isinstance(obj, dict):
        # 字典对应MATLAB struct，递归处理所有字段
        return {k: convert_to_mat_compatible(v) for k, v in obj.items()}
    elif isinstance(obj, list):
        # 列表对应MATLAB struct数组，转为n*1的object类型numpy数组
        converted_items = [convert_to_mat_compatible(item) for item in obj]
        mat_arr = np.empty((len(converted_items), 1), dtype=object)
        for idx, item in enumerate(converted_items):
            mat_arr[idx, 0] = item
        return mat_arr
    else:
        # 信号采样值等基础类型直接返回
        return obj

# 初始化输出字典
output = {}
mdf = MDF("file.mf4")

for sig in mdf.iter_channels():
    parts = sig.name.split(".")
    current = output
    parent = None
    current_key = None

    # 遍历除最后一个字段外的所有路径段
    for part in parts[:-1]:
        index_match = INDEX_PATTERN.match(part)
        if index_match:
            # 当前段是数组索引，current必须为列表类型
            idx = int(index_match.group(1))
            # 首次访问时current是默认创建的字典，转换为列表
            if isinstance(current, dict):
                current = []
                parent[current_key] = current
            # 补全列表长度到索引+1，缺失位置填充空字典
            while len(current) <= idx:
                current.append({})
            # 进入索引对应位置的结构体
            parent = current
            current_key = idx
            current = current[idx]
        else:
            # 当前段是普通字段名，current必须为字典类型
            if part not in current:
                current[part] = {}
            parent = current
            current_key = part
            current = current[part]
    
    # 叶子节点赋值，与原逻辑一致
    current[parts[-1]] = sig.samples

# 转换为mat兼容格式后保存
mat_output = convert_to_mat_compatible(output)
savemat("out.mat", mat_output, long_field_names=True)

说明

long_field_names=True参数用于支持超过31字符的字段名，兼容MATLAB 7.6及以上版本
自动识别任意层级的数组嵌套，例如a._0_.b._2_.c._1_.value这类多层数组的信号名可正确解析
数组长度根据遍历到的最大索引自动扩展，无需提前预知数组大小
普通嵌套字段的处理逻辑与原有代码完全一致，不会影响已可正常保存的信号

内容的提问来源于stack exchange，提问作者Anonymous