峰值查找算法-动态阈值或替代方法

Question

我在寻求一些建议。抱歉，如果这是，或者你觉得属于另一个网站。

我的任务是识别信号中的特定社交调用(来自蝙蝠)，并且我一直在尝试我应该使用的方法类型，以便隔离不同的调用。因此，首先，这是信号作为一个整体的样子：

​

​

这个信号非常大，因此信号被分成1024*100的块(每个块大约10MB )，下面是一个块的示例：

​

​

这种信号更可取，并且可以很容易地在视觉上识别峰值。以下是与此相关的一些问题：

1)计算短期能量是确定峰值的适当方法吗？

2)有没有动态分配阈值的方法？例如，为这个块创建的算法，是否应该潜在地适用于信号中的所有其他块和输入的任何其他信号？

3)将这个信号转换到频域(使用STFT方法)会有什么不同吗？

下面是使用FFT算法的代码块：

​

​

预期输出：

​

​

如有任何建议，我们将不胜感激

Answer 1

1. 是。你必须通过实验来找出合适的间隔长度。
2. 是的。一种方法是从较大块的平均能量开始，并将阈值设置为该阈值的10倍。
3. 视情况而定。你想知道频率吗？它可以用来区分蝙蝠噪声和无关类型的背景噪声。如果没有太多的其他噪音，而且你对频率不感兴趣，那就别费心了。如果你只想找到高峰，那是没有用的。

Answer 2

可能有关于峰值检测算法的论文。但是如果你没有时间，你可以尝试沿着一个时间窗口移动，并使用它的能量来计算treshold。

也许您还可以查看峰值密度(如果在一段时间内存在或多或少相同数量的峰值)，以了解您应该在给定窗口中找到多少个峰值。(好吧，如果没有静音，但通常很容易用能量区分静音和噪音)。

我怀疑FFT是否会有所帮助。从我们所能看到的情况来看，没有明显的频率，任何类型的滤波都会污染峰值。

Answer 3

我会调查频率，检查时频分析。也许小波或维格纳变换能有所帮助，或者一个简单的声图。

时间-频率表示通常会同时提供时间、能量和频率。好东西。