Python/SciPy 的寻峰算法

小编典典

Python/SciPy 的寻峰算法

all

我可以通过查找一阶导数的过零或其他东西来自己编写一些东西，但这似乎是一个足够通用的函数，可以包含在标准库中。有人知道吗？

我的特定应用是二维数组，但通常它会用于在 FFT 等中查找峰值。

具体来说，在这类问题中，有多个强峰，然后是许多较小的“峰”，这些“峰”只是由噪声引起的，应该忽略。这些只是例子；不是我的实际数据：

一维峰：

二维峰：

带圆圈峰值的氡变换输出

寻峰算法会找到这些峰值的位置（不仅仅是它们的值），并且理想情况下会找到真正的样本间峰值，而不仅仅是具有最大值的索引，可能使用二次插值或其他方法。

通常，您只关心几个强峰，因此选择它们要么是因为它们高于某个阈值，要么是因为它们是按幅度排序的有序列表的前 n 个峰。

正如我所说，我知道如何自己写这样的东西。我只是想问一下是否有一个已知运行良好的预先存在的功能或包。

更新：

我翻译了一个 MATLAB 脚本，它适用于一维案例，但可能会更好。

更新更新：

Sixtenbe为一维案例创建了一个更好的版本。

阅读 70

2022-08-16

共1个答案

小编典典

scipy.signal.find_peaks顾名思义，函数对此很有用。但重要的是要很好地理解它的参数width,
threshold，distance 最prominence重要的是要获得良好的峰值提取。

根据我的测试和文档，突出的概念是“有用的概念”，以保持良好的峰值，并丢弃嘈杂的峰值。

什么是（地形）突出？它是
“从山顶下降到任何更高地形所需的最小高度” ，如下所示：

这个想法是：

突出度越高，峰越“重要”。

测试：

我故意使用（嘈杂的）频率变化的正弦曲线，因为它显示出许多困难。我们可以看到该width参数在这里不是很有用，因为如果您将最小值设置width得太高，那么它将无法在高频部分跟踪非常接近的峰值。如果设置width得太低，信号左侧会出现许多不需要的峰值。同样的问题distance。threshold仅与直接邻居比较，这在这里没有用。prominence是提供最佳解决方案的那个。请注意，您可以组合其中的许多参数！

代码：

import numpy as np
import matplotlib.pyplot as plt 
from scipy.signal import find_peaks

x = np.sin(2*np.pi*(2**np.linspace(2,10,1000))*np.arange(1000)/48000) + np.random.normal(0, 1, 1000) * 0.15
peaks, _ = find_peaks(x, distance=20)
peaks2, _ = find_peaks(x, prominence=1)      # BEST!
peaks3, _ = find_peaks(x, width=20)
peaks4, _ = find_peaks(x, threshold=0.4)     # Required vertical distance to its direct neighbouring samples, pretty useless
plt.subplot(2, 2, 1)
plt.plot(peaks, x[peaks], "xr"); plt.plot(x); plt.legend(['distance'])
plt.subplot(2, 2, 2)
plt.plot(peaks2, x[peaks2], "ob"); plt.plot(x); plt.legend(['prominence'])
plt.subplot(2, 2, 3)
plt.plot(peaks3, x[peaks3], "vg"); plt.plot(x); plt.legend(['width'])
plt.subplot(2, 2, 4)
plt.plot(peaks4, x[peaks4], "xk"); plt.plot(x); plt.legend(['threshold'])
plt.show()

2022-08-16