python中相似光谱中的匹配峰

Question

我有一系列数千(1D)的光谱，对应于实验的不同重复。对于每一次重复，相同的数据都是由两种不同的仪器记录的-所以我有两个非常相似的光谱，每个光谱由几百个单独的峰/事件组成。这些仪器具有不同的分辨率、精度和可能的检测效率，因此每对光谱都是不同但相似的-用眼睛仔细观察它们，可以自信地匹配每个光谱中的多个峰。我希望能够自动和可靠地匹配每一对光谱的两个光谱，即自信地说出哪个峰值对应于哪个峰值。这可能会涉及“丢弃”一些不能肯定匹配的数据(例如，两个仪器中只有一个检测到一个事件)。

我附上了一张数据在整个光谱上的图像，并放大到一个相对稀疏的区域。红色光谱基本上已经被发现了峰值，因此除了真实事件所在的地方，它在任何地方都是0。我已经对蓝色跟踪使用了scipy.signal.find_peaks()，并绘制了找到的峰值，这似乎很好用。

现在我只需要找到一种可靠的方法来匹配光谱之间的峰值。我尝试过通过将彼此最接近的峰进行配对来匹配峰-然而，由于一些峰不存在于两个光谱中，这会遇到重大问题。我可以添加一些限制，比如峰值必须接近才能匹配，但我认为可能还有更好的方法。还有一些问题是因为红色轨迹的分辨率低于蓝色轨迹。我希望有一些模式发现算法/python包最适合做这件事--但这并不是我的专业领域，所以我真的不知道从哪里开始。提前谢谢。

放大示例频谱对的相对备用区域：

​

一对完整的光谱示例，显示了一些非常密集的区域：

​

生成用于绘制光谱的示例代码：

from scipy.signal import find_peaks


for i in range(0, 10):

    spectra1 = spectra1_list[i]
    spectra2 = spectra2_list[i]
    fig, ax1 = plt.subplots(1, 1,figsize=(12, 8))
    peaks, properties = scipy.signal.find_peaks(shot_ADC, height=(6,None), threshold=(None,None), distance=2, prominence = (5, None))
    plt.plot(spectra1)
    plt.plot(spectra2_axis, spectra2,  color='red')
    plt.plot(peaks, spectra1[peaks], "x")
    plt.show()

Answer 1

深度学习观点:您可以使用从信号A到信号B的循环损失映射来训练一对神经网络，然后再次将您带到信号的初始点。

一个好的开始应该是阅读CycleGAN，它使用它来改变图像的样式。

诚然，这将是一个有点研究的项目，可能需要一段时间才能稳健地工作。