daten mal plotten

vorverarbeitung:
low-pass-filter (-60dB at 20hZ)
windowing (5s sliding at 200ms)

segmentation (erstmal weglassen, da daten dafür nicht trainiert. bräuchten trainingsdaten von non-exercise die dann gelabeled sind)
laufen ist z.b. keine übung! (man läuft ja zwischen übungen durch die gegend)

feature computation:

1) nehme 5 signale 
x, y, z von acc und gyro
magnitude sqrt(x^2+y^2+z^2) von acc und gyro
pca (erste pca) (projektion der x,y,z koordinaten auf den ersten eigenvektor)

(das sind jetzt viele achsen mit der annahme, das jeder mensch die Uhr an der gleichen Stelle trägt. vielleicht wäre es besser hier nur die "bekannten" achsen im raum zu nutzen, also x-achse vom acc?! vgl. recofit)

2) generiere features für die jeweiligen fenster aus den signalen
autocorrelation features: 
autocorrelation bins

energy features:
RMS
power spectrum bin mangnitudes

statistical features:
mean
standard deviation
kurtosis
interquartile range

9 (signales) * 7 (num features per window) * 85 (windows) features

classification:
SVM