在MATLAB中计算离散数据超出指定区间的时长

我来帮你梳理一下怎么搞定这个问题——核心就是精准识别曲线「离开区间」和「返回区间」的时间点，再计算两者的差值（如果有多次进出，就把每段时长加起来）。下面是具体的思路和实现步骤：

1. 先明确区间边界 #

首先得把黄线、红线对应的y值区间确定下来，比如黄线的有效区间是[y_yellow_min, y_yellow_max]，红线是[y_red_min, y_red_max]。你的数据是离散的(t_i, y_i)对，t是x轴的时间，y是对应数值。

2. 识别穿越边界的时间点 #

因为是离散数据，穿越边界的时刻大概率不在你给出的原始数据点上（比如你例子里的3.2、5.1），所以需要用线性插值来计算精确的穿越时间：

• 遍历相邻的两个数据点，判断它们是否跨越了区间边界：
  • 「离开事件」：前一个点在区间内，当前点在区间外
  • 「返回事件」：前一个点在区间外，当前点在区间内
• 一旦检测到穿越，就用两点的时间和y值插值算出穿越时刻。比如点A(t1,y1)在区间内，点B(t2,y2)超出了黄线上限y_max，那么穿越时间就是：
  t_cross = t1 + (t2 - t1) * (y_max - y1)/(y2 - y1)

3. 配对离开与返回事件 #

把所有检测到的穿越事件按时间排序，然后按「离开→返回」的顺序配对：

• 如果第一个事件是「返回」，直接忽略（因为没有对应的离开起点）
• 每遇到一个「离开」，就记录下时间，等下一个「返回」出现时，计算两者的差值，累加到总时长里
• 重复这个过程，直到遍历完所有事件

4. 代码实现示例（Python） #

我写了个Python函数来实现这个逻辑，你可以直接套用到自己的数据上：

def calculate_out_of_interval_duration(t_list, y_list, lower_bound, upper_bound):
    # 存储穿越事件：(穿越时间, 事件类型)，类型为'leave'或'return'
    cross_events = []
    data_count = len(t_list)
    
    # 遍历相邻数据点，检测穿越
    for i in range(1, data_count):
        t_prev, y_prev = t_list[i-1], y_list[i-1]
        t_curr, y_curr = t_list[i], y_list[i]
        
        # 判断前后点是否在区间内
        prev_in_range = lower_bound <= y_prev <= upper_bound
        curr_in_range = lower_bound <= y_curr <= upper_bound
        
        # 检测离开事件：从区间内到区间外
        if prev_in_range and not curr_in_range:
            # 确定穿越的边界是上限还是下限
            cross_y = upper_bound if y_curr > upper_bound else lower_bound
            # 线性插值计算穿越时间
            cross_t = t_prev + (t_curr - t_prev) * (cross_y - y_prev) / (y_curr - y_prev)
            cross_events.append((cross_t, 'leave'))
        
        # 检测返回事件：从区间外到区间内
        elif not prev_in_range and curr_in_range:
            cross_y = upper_bound if y_prev > upper_bound else lower_bound
            cross_t = t_prev + (t_curr - t_prev) * (cross_y - y_prev) / (y_curr - y_prev)
            cross_events.append((cross_t, 'return'))
    
    # 配对事件计算总时长
    total_duration = 0.0
    last_leave_time = None
    
    for t, event_type in cross_events:
        if event_type == 'leave':
            last_leave_time = t
        elif event_type == 'return' and last_leave_time is not None:
            total_duration += t - last_leave_time
            last_leave_time = None  # 重置，准备下一次配对
    
    return total_duration

# 用你例子中的场景测试一下
t_data = [1, 3, 5, 7]
y_data = [2, 4, 1, 3]
# 假设黄线区间是y在2到3之间
yellow_low, yellow_high = 2, 3
yellow_out_duration = calculate_out_of_interval_duration(t_data, y_data, yellow_low, yellow_high)
print(f"黄线区间外的总时长：{yellow_out_duration}")  # 输出应该是1.9，对应5.1-3.2

几个需要注意的细节 #

• 如果你的数据有噪声，导致短时间内频繁进出区间（比如抖动），可以加个过滤逻辑：设置一个最小时长阈值，只有超过这个阈值的离开时段才计入总时长
• 确保你的时间序列是按从小到大排序的，如果不是，先对数据按时间排序
• 如果边界是单条线（比如只有上限或者只有下限），只要调整判断逻辑就行，比如只判断是否超过上限，不用管下限

内容的提问来源于stack exchange，提问作者Cool_5275