python查找算法_Python / SciPy的峰值查找算法

Python / SciPy的峰值查找算法

我可以通过查找一阶导数或其他东西的零交叉来自己编写一些东西，但它似乎是一个通用的函数，可以包含在标准库中。 谁知道一个？

我的特定应用是2D阵列，但通常它将用于在FFT等中查找峰值。

具体来说，在这些类型的问题中，有多个强峰，然后是许多较小的峰＃34; 这只是应该被忽略的噪音引起的。 这只是例子; 不是我的实际数据：

一维峰值：

二维峰值：

峰值寻找算法将找到这些峰值的位置(不仅仅是它们的值)，理想情况下会找到真正的样本间峰值，而不仅仅是具有最大值的索引，可能使用二次插值等。

通常，您只关心几个强峰，因此它们要么被选中，要么是因为它们高于某个阈值，要么是因为它们是按幅度排序的有序列表的前n个峰。

正如我所说，我知道如何自己写这样的东西。 我只是想知道是否有一个已知的功能或包可以很好地运作。

更新：

我翻译了一个MATLAB脚本，它适用于1-D案例，但可能更好。

更新更新：

sixtenbe为1-D案例创造了更好的版本。

8个解决方案

43 votes

我正在研究类似的问题，并且我发现一些最好的参考资料来自化学(来自质谱数据中的峰值)。 有关峰值查找算法的详细审查，请阅读此内容。 这是我发现的最佳峰值发现技术最清晰的评论之一。 (小波最适合在噪声数据中找到此类峰值。)。

看起来您的峰值已明确定义，并且不会隐藏在噪音中。 在这种情况下，我建议使用平滑的savtizky-golay衍生物来找到峰值(如果你只是区分上面的数据，那么就会有一堆误报。)。 这是一种非常有效的技术，并且很容易实现(你需要一个矩阵类w /基本操作)。 如果您只是找到第一个S-G衍生物的过零点，我认为您会感到高兴。

Paul answered 2019-07-03T21:04:15Z

19 votes

scipy中有一个名为scipy.signal.find_peaks_cwt的功能，听起来很适合您的需要，但我没有经验，所以我不推荐..

[http://docs.scipy.org/doc/scipy/reference/generated/scipy.signal.find_peaks_cwt.html]

Hanan Shteingart answered 2019-07-03T21:04:46Z

17 votes

顾名思义，函数width对此很有用。 但是，理解其参数width,width,width以及最重要的width以获得良好的峰提取是重要的。

根据我的测试和文档，突出的概念是＆＃34;有用的概念＆＃34; 保持良好的峰值，并丢弃嘈杂的山峰。

什么是(地形)突出？ 这是从山顶下降到任何更高地形所需的最小高度＆＃34;，如下所示：

这个想法是：

突出程度越高，越重要＆＃34; 高峰是。

测试：

我故意使用(嘈杂的)变频正弦波，因为它显示出许多困难。 我们可以看到width参数在这里不是很有用，因为如果你将最小值设置得太高，那么它就无法跟踪高频部分中非常接近的峰值。 如果将width设置得太低，则信号的左侧会有许多不需要的峰值。 与distance相同的问题.threshold仅与直接邻居进行比较，这在此处没有用。 prominence是提供最佳解决方案的人。 请注意，您可以组合使用其中的许多参数！

码：

import numpy as np

import matplotlib.pyplot as plt

from scipy.signal import find_peaks

x = np.sin(2*np.pi*(2**np.linspace(2,10,1000))*np.arange(1000)/48000) + np.random.normal(0, 1, 1000) * 0.15

peaks, _ = find_peaks(x, distance=20)

peaks2, _ = find_peaks(x, prominence=1) # BEST!

peaks3, _ = find_peaks(x, width=20)

peaks4, _ = find_peaks(x, threshold=0.4) # Required vertical distance to its direct neighbouring samples, pretty useless

plt.subplot(2, 2, 1)

plt.plot(peaks, x[peaks], "xr"); plt.plot(x); plt.legend(['distance'])

plt.subplot(2, 2, 2)

plt.plot(peaks2, x[peaks2], "ob"); plt.plot(x); plt.legend(['prominence'])

plt.subplot(2, 2, 3)

plt.plot(peaks3, x[peaks3], "vg"); plt.plot(x); plt.legend(['width'])

plt.subplot(2, 2, 4)

plt.plot(peaks4, x[peaks4], "xk"); plt.plot(x); plt.legend(['threshold'])

plt.show()

Basj answered 2019-07-03T21:05:45Z

14 votes

对于那些不确定在Python中使用哪种峰值查找算法的人，可以快速浏览一下备选方案：[https://github.com/MonsieurV/py-findpeaks]

想要自己相当于MatLab findpeaks功能，我发现Marcos Duarte的detect_peaks功能很好。

非常好用：

import numpy as np

from vector import vector, plot_peaks

from libs import detect_peaks

print('Detect peaks with minimum height and distance filters.')

indexes = detect_peaks.detect_peaks(vector, mph=7, mpd=2)

print('Peaks are: %s' % (indexes))

哪个会给你：

Yoan Tournade answered 2019-07-03T21:06:25Z

6 votes

已经对可靠地检测频谱中的峰值进行了相当多的研究，例如80年代对音乐/音频信号的正弦建模的所有工作。 寻找＆＃34;正弦模型＆＃34; 在文献中。

如果你的信号和示例一样干净，那就简单地给我一些振幅高于N个邻居的东西。 应该运作得相当好。 如果您有嘈杂的信号，一种简单但有效的方法是查看您的峰值，跟踪它们：然后检测谱线而不是谱峰。 IOW，您在信号的滑动窗口上计算FFT，以获得一组时间光谱(也称为频谱图)。 然后，您可以观察光谱峰值的演变(即在连续的窗口中)。

David Cournapeau answered 2019-07-03T21:06:59Z

5 votes

我不认为您所寻找的是由SciPy提供的。 在这种情况下，我会自己编写代码。

scipy.interpolate的样条插值和平滑非常好，可能非常有助于拟合峰值，然后找到它们的最大位置。

Eric O Lebigot answered 2019-07-03T21:03:44Z

1 votes

有标准的统计函数和方法可以找到数据的异常值，这可能是你在第一种情况下所需要的。 使用衍生物可以解决你的问题。 但是，我不确定一种解决连续函数和采样数据的方法。

nullpointer answered 2019-07-03T21:07:25Z

0 votes

首先，＆＃34;峰值＆＃34;的定义 如果没有进一步的规范，则含糊不清 例如，对于以下系列，您会将5-4-5称为一个或两个峰值吗？

1-2-1-2-1-1-5-4-5-1-1-5-1

在这种情况下，您需要至少两个阈值：1)高阈值，高于此阈值可以将极值注册为峰值; 2)低阈值，以便由低于它的小值分隔的极值将变为两个峰值。

峰值检测是极值理论文献中一个经过深入研究的主题，也称为“极端值的去模式”。 其典型应用包括基于环境变量的连续读数识别危险事件，例如 分析风速以检测风暴事件。

Ian Liu answered 2019-07-03T21:08:11Z