一维阵列中求峰参数的优化

Question

我需要优化一种方法来查找一维数组中的数据峰值数。数据是wav文件振幅的时间序列.

我已经实现了代码：

from scipy.io.wavfile import read
from scipy.signal import find_peaks


_, amplitudes = read('audio1.wav')


indexes, _ = find_peaks(amplitudes, height=80)
print(f'Number of peaks: {len(indexes)}')

绘制这些数据时，如下所示：

一般标度

我感兴趣的“山峰”在人眼看来是清楚的--在这个特定的数据集中有23个。

但是，由于数组太大，数据在一般尺度上清晰的峰值(因此有数百个用蓝色十字标记的峰值)中变化非常大：

俯瞰单峰

找峰的问题以前已经问过很多次了(我已经经历过很多次了！)但是我找不到任何帮助或解释优化参数只找到我想要的峰值。我对Python略知一二，但在数学分析方面却视而不见！

用宽度进行分析似乎毫无用处，因为根据第二幅图像，在大范围内清晰的山峰实际上是带有“无声”范围的。距离是没有帮助的，因为我不知道在其他wav文件中的峰值会有多近。显赫被认为是最好的方法，但我无法得到我所需要的结果；阈值也是如此。我也尝试过抽取信号，用Savitzky-Golay滤波器平滑信号，以及不同参数和值的组合，结果都不准确。

单是身高本身就很有用，因为我可以从图表中看到高峰总是在80以上。

Answer 1

这是音频处理中的一项常见任务，有几种方法完全依赖于您的数据。

但是，有一些实现用于在新奇函数中查找峰值(例如，来自节拍跟踪器的输出)。试试这些：

• 采摘
• 采摘

基本上，它们实现了相同的方法，但在细节上可能存在差异。此外，你可以检查，如果你真的需要工作在这个高采样频率。尝试对信号进行下采样或使用移动平均滤波器。

Answer 2

查看0d的持久性同源性，以找到一个很好的策略，其中您可以优化的参数是峰值持久性。一篇不错的博客文章这里解释了基本知识。

但简而言之，这个想法是想象你的图表被水填满，然后慢慢地排水。每当有一幅图出现在水面上时，一个新的岛屿就诞生了。当两个岛屿相邻，它们合并，这导致较年轻的岛屿(与较低的峰值)死亡。然后每个数据点都有一个出生时间和一个死亡时间。最重要的峰值是持久化时间最长的峰值，即death - birth。

如果水位以连续的速度下降，则以峰值高度来定义持久性。另一种可能是，随着时间的推移，随着时间的推移，从t到t+1，从点到点地滴水，在这种情况下，持久性是以信号样本的峰值宽度定义的。

对于您来说，使用峰值高度> 70的原始定义似乎可以找到您感兴趣的所有峰值，尽管可能太多，聚集在一起。您可以通过选择每个集群中的第一个峰值或每个集群中的最高峰值，或者通过两种方法来限制这一点，并且只能选择具有高度持久性和宽度持久性的峰值。