为什么peakutils.peak.indexes()似乎忽略了提供的阈值？

Question

我正在检索保存来自plt.psd()方法的信号的功率级别和频率的数组：

Pxx, freqs = plt.psd(signals[0], NFFT=2048, Fs=sdr.sample_rate/1e6, Fc=sdr.center_freq/1e6, scale_by_freq=True, color="green")

​

请忽略绿色和红色的信号。只有蓝色的那个与这个问题有关。

我可以让peakutils.peak.indexes()方法返回一些最重要的峰值(蓝色信号)的X和Y坐标：

power_lvls = 10*log10(Pxx/(sdr.sample_rate/1e6))
indexes = peakutils.peak.indexes(np.array(power_lvls), thres=0.6/max(power_lvls), min_dist=120)
print("\nX: {}\n\nY: {}\n".format(freqs[indexes], np.array(power_lvls)[indexes]))

​

可以看到，坐标很好地与蓝色峰相吻合。

我不满意的是从peak.indexes()方法接收到的峰值坐标的数量。我只希望返回某个功率电平以上的所有峰的坐标，例如-25 (这将正是蓝色信号的5个峰值)。根据peak.indexes()方法的文档，这是通过提供所需的值作为thres参数来完成的。

但是，不管我作为thres尝试了什么，该方法似乎完全忽略了我的值，而仅仅依靠min_dist参数来确定返回峰值的数量。

• 我的阈值有什么问题(在我的代码中，它的意思是“地形图的60%以上的峰值”)，以及如何正确地指定某个功率级别(而不是百分比值)？

编辑

我发现，很明显，thres参数只能在浮点数0之间取正值。1.因此，通过将行稍微更改如下，我现在可以按需要影响返回峰值的数量：

indexes = peakutils.peak.indexes(np.array(power_lvls), thres=0.4, min_dist=1)

但这仍然给我留下了一个问题:是否有可能将结果限制在五个最高峰值(假设num_of_peaks高于>= 5)。

我相信以下内容将返回五个最高值：

print(power_lvls[np.argsort(power_lvls[indexes])[-5:]])

不幸的是，负值似乎被解释为我的power_lvls数组中的最高值。这一行是否可以改为(+)10将被认为高于，例如-40？或者还有其他的(更好的)？解决办法？

编辑2

这些是我作为六个“最高”山峰得到的值：

​

power_lvls = 10*log10(Pxx/(sdr.sample_rate/1e6))+10*log10(8/3)
indexes = peakutils.indexes(power_lvls, thres=0.35, min_dist=1)

power_lvls_max = power_lvls[np.argsort(power_lvls[indexes])[-6:]]
print("Highest Peaks in Signal:\nX: \n\nY: {}\n".format(power_lvls_max))

经过几个小时的尝试没有任何改善，我开始认为这些不是山谷或高峰，只是一些“随机”的值？！这让我相信，我的辩论线有一个问题，我必须先弄清楚？！

编辑3

bottleneck.partition()方法似乎返回正确的值(即使显然它是以随机顺序进行的，而不是从最左的峰值返回到最右边的峰值)：

import bottleneck as bn
power_lvls_max = -bn.partition(-power_lvls[indexes], 6)[:6]

​

幸运的是，对于我计划对坐标所做的工作来说，峰的顺序并不重要。然而，我必须想出如何将我现在拥有的Y值与它们对应的X值相匹配.

另外，虽然我现在有了一个解决方案，但为了学习的目的，知道我的论证尝试有什么问题还是很有趣的。

Answer 1

我想出了如何找到对应的X值，并得到六个最高峰的全部坐标：

power_lvls = 10*log10(Pxx/(sdr.sample_rate/1e6))+10*log10(8/3)
indexes = peakutils.indexes(power_lvls, thres=0.35, min_dist=1)
print("Peaks in Signal 1\nX: {}\n\nY: {}\n".format(freqs[indexes], power_lvls[indexes]))
power_lvls_max = -bn.partition(-power_lvls[indexes], 6)[:6]
check = np.isin(power_lvls, power_lvls_max)
indexes_max = np.where(check)
print("Highest Peaks in Signal 1:\nX: {}\n\nY: {}\n".format(freqs[indexes_max], power_lvls[indexes_max]))

现在，我有了我的“峰值过滤”(类似)，我最初试图通过混淆peakutils.peak.indexes()的peakutils.peak.indexes值来实现它。上面的代码给了我想要的结果：

​

Answer 2

解决这一问题的一个简单方法是在处理之前向Pxx向量添加一个常量(例如+50 dB)。这样你就可以避免负价值的峰值。处理完成后，您可以再次减去常量，以获得正确的峰值。