MATLAB中如何对无法载入内存的信号数据阵列进行重采样

报错根因 #

• 直接调用resample内存不足：该函数默认将全量数据加载到内存运算，2亿行×3列的单精度数组就占用约2.4GB内存，加上函数运行时的中间滤波缓存、临时变量开销，8GB内存不足以支撑全量并行运算。
• tall数组调用报错：MATLAB的resample对tall类型输入仅支持单列向量，传入3列矩阵会触发参数校验失败。

实操方案 #

方案1：tall数组逐轴处理（代码改动最小） #

逐轴读取数据为tall列向量单独处理，避免同时加载3轴全量数据占用内存，共用重采样参数保证三轴时序对齐：

% 读取原始数据为datastore，不要直接加载全量数据到工作区
% 支持mat、csv等格式，以下为mat文件示例
ds = datastore('你的加速度数据.mat', 'SelectedVariables', {'x轴变量名','y轴变量名','z轴变量名'});
t = tall(ds);

% 统一计算重采样参数，替换为你的实际采样率
Fs_old = 1000; % 原始采样率
Fs_new = 200; % 目标采样率
[p,q] = rat(Fs_new/Fs_old, 1e-12);

% 逐轴处理，每次仅处理一列数据
x_resampled = gather(resample(t.x, p, q));
y_resampled = gather(resample(t.y, p, q));
z_resampled = gather(resample(t.z, p, q));

% 合并为最终重采样结果
resampled_data = [x_resampled, y_resampled, z_resampled];

方案2：分块处理（兼容性更强，内存占用更低） #

如果tall数组适配仍有问题，可按块读取数据处理，通过边界重叠消除重采样的边缘误差：

mf = matfile('你的加速度数据.mat', 'Writable', false); % 支持部分读取的mat对象
total_rows = 200000000;
block_size = 1e6; % 单块行数，可根据剩余内存调整
[p,q] = rat(Fs_new/Fs_old, 1e-12); % 同上统一重采样参数
overlap = 10*max(p,q); % 块边界重叠长度，匹配resample默认滤波器阶数
res_blocks = cell(ceil(total_rows/block_size), 3);

for i = 1:block_size:total_rows
    end_idx = min(i+block_size-1, total_rows);
    % 读取当前块+前后重叠区域，避免边界重采样误差
    start_read = max(1, i-overlap);
    end_read = min(total_rows, end_idx+overlap);
    block = mf.原始数据变量名(start_read:end_read, :);
    
    block_resampled = resample(block, p, q);
    % 裁剪掉重叠区域的冗余部分
    cut_head = (i>1) ? round(overlap*p/q) : 0;
    cut_tail = (end_idx<total_rows) ? round(overlap*p/q) : 0;
    block_resampled = block_resampled(cut_head+1:end-cut_tail, :);
    
    res_blocks(ceil(i/block_size), :) = num2cell(block_resampled, 1);
end

% 合并所有块得到最终结果
resampled_data = [cell2mat(res_blocks(:,1)), cell2mat(res_blocks(:,2)), cell2mat(res_blocks(:,3))];

注意：原始数据不要一次性全部加载到工作区，优先使用matfile、datastore这类支持部分读取的接口操作大文件。

内容的提问来源于stack exchange，提问作者Niraj Gupta