从折线图中识别峰值

Question

I have added a link to the data set here.第一个脚本使用信号输出数据生成折线图。我的下一步是确定折线图上出现的峰值。第二个脚本有一个算法来识别折线图上存在的所有峰值。然而，它太敏感了。它将图形上最轻微的凹凸不平归类为峰值。我不想这样。我只希望将明显(大)的凸起识别为山峰。如何修改第二个脚本来完成此操作？

import matplotlib.pyplot as plt
import numpy as np

X, Y = [], []
X = np.zeros((10, 4096))
Y = np.zeros((10, 4096))

n=0
m=0
for line in open('data_set2.txt', 'r'):
  values = [float(s) for s in line.split()]
  X[n,0] = values[0]-1566518691968
  for m in range(4096):
      Y[n,m]=values[m+1]

  n=n+1
plt.plot(Y[1,0:4095])
plt.show()



b = (X[1:]-X[:-1])[:-1]
c = (X[:-1]-X[1:])[1:]
minima = np.where(np.bitwise_and(b<0, c<0))[0]+1
maxima = np.where(np.bitwise_and(b>0, c>0))[0]+1
all_peaks = np.where((b*c)>0)[0]+1
del b,c

print(minima)
print(maxima)
print(all_peaks)

Answer 1

我希望你已经附加了数据集，这样我就可以在我在这里发布之前尝试我的解决方案。我认为你正在做的是寻找所有比之前的点更高的点，以及它们之后的点，这就是为什么你会得到太多的点。你的代码应该寻找的是一些最高峰。不管这个点是不是一个峰，峰的高度本身也不重要，重要的是峰的“唯一性”，或者它比平均值高多少。想象一下，删除示例中最高的三个峰并放大，您会发现新的峰数量看起来比其他峰高得多；以此类推。对你来说，棘手的事情是找出这些峰值的数量，这取决于你希望你的代码有多敏感。

Answer 2

有一些用于识别峰值的软件包。scypi提供了scipy.signal.find_peaks函数(https://docs.scipy.org/doc/scipy/reference/generated/scipy.signal.find_peaks.html)。也有matlab，octave等的峰值识别。所有这些都需要一些定量的标准来识别峰。没有一种方法只适用于“明显(大)的颠簸”。

UPD。所以，如果你想自己写代码，你必须选择一些过滤功能。可能有一些非常明显的原因：

值大于x;

• Peaks且大于maximum peak的value;

• x最大峰值的

1. 峰值(其中x <总峰值数量。

改变参数x，你可以得到满足你的“明显(大)凹凸”标准的解决方案。

另外，可能还有其他的滤波函数，但看起来在你的情况下，峰值的宽度和形式并不重要。

Answer 3

我不知道这里有人提出的算法；如果我是你，我会检查它们，因为它们的方式应该更有效。然而，如果你想变得懒惰，这里有一个解决方案:首先我收集所有的峰值(和你得到的相同的峰值)：

x_range = range(4096)
peaks = []
for line in open('data_set2.txt', 'r'):
    values = [float(s) for s in line.split()]
    X[n, 0] = values[0] - 1566518691968
    for m in range(4096):
        Y[n, m] = values[m + 1]

        # only work with the plotted row starting from the third value
        if n != 1 or m in (0, 1):
            continue
        
        # if a point is higher than the point before and point after 
        if Y[n, m - 2] < Y[n, m - 1] > Y[n, m]:
            peaks.append((x_range[m-1], Y[n, m - 1]))
    n = n + 1

plt.plot(Y[1, 0:4095])
plt.show()

然后我遍历每个100个点(假设在100个点范围内不能出现两个峰值，否则其中一个将被丢弃)并找到最大值。如果分段最大值是绝对最大值的某个百分比，则将其包括在内。

max_ = max(peaks, key=lambda x: x[1])[1]

# If the graph does not have peaks
if max_ < np.mean(Y) * 10:       # Tweak point 1
    print("No peaks")
    sys.exit()

highest = []
sensitivity = 0.2        # Tweak point 2
for i in range(0, len(peaks), 100):
    try:
        segment = peaks[i: i + 100]
    except IndexError:
        segment = peaks[i:]
    finally:
        segment_max = max(segment, key=lambda x: x[1])[1]
        if segment_max >= max_ * sensitivity:
            highest.append(segment_max)

print(highest)