Python SciPy signal.find_peaks_cwt用法及代码示例

本文简要介绍 python 语言中 scipy.signal.find_peaks_cwt 的用法。

用法:

scipy.signal.find_peaks_cwt(vector, widths, wavelet=None, max_distances=None, gap_thresh=None, min_length=None, min_snr=1, noise_perc=10, window_size=None)#

使用小波变换查找一维数组中的峰值。

一般的方法是通过将每个宽度的宽度与小波(宽度)卷积来平滑向量。出现在足够长的尺度上并且具有足够高的 SNR 的相对最大值是可以接受的。

参数 ：：

vector： ndarray

用于查找峰值的一维数组。

widths： 浮点数或序列

用于计算 CWT 矩阵的单宽度或类似一维数组的宽度。一般来说，该范围应涵盖感兴趣峰的预期宽度。

wavelet： 可调用的，可选的

应该采用两个参数并返回一个一维数组以与向量进行卷积。第一个参数确定返回的小波数组的点数，第二个参数是小波的尺度(宽度)。应该是标准化和对称的。默认为 ricker 小波。

max_distances： ndarray，可选

在每一行，只有当 row[n] 处的相对最大值与 row[n+1] 处的相对最大值在 max_distances[n] 范围内时，才连接脊线。默认值为 widths/4 。

gap_thresh： 浮点数，可选

如果在max_distances 中没有找到相对最大值，则会出现间隙。如果有超过 gap_thresh 个点且未连接新的相对最大值，则脊线将被中断。默认是宽度数组的第一个值，即宽度 [0]。

min_length： 整数，可选

脊线的最小长度需要是可接受的。默认值为 cwt.shape[0] / 4 ，即宽度数的 1/4。

min_snr： 浮点数，可选

最小信噪比。默认 1。信号是最大脊线上的最大 CWT 系数。噪声是同一山脊线内包含的数据点的 noise_perc 百分位数。

noise_perc： 浮点数，可选

计算本底噪声时，检查的数据点的百分位数低于该百分位数以考虑噪声。使用 stats.scoreatpercentile 计算。默认值为 10。

window_size： 整数，可选

用于计算本底噪声的窗口大小。默认为 cwt.shape[1] / 20 。

返回 ：：

peaks_indices： ndarray

向量中找到峰值的位置的索引。列表已排序。

注意：

这种方法是为在噪声数据中寻找尖峰而设计的，但是通过适当的参数选择，它应该适用于不同的峰形。

算法如下：：

1. 执行连续小波变换向量，对于提供的宽度。这是一个卷积向量和小波(宽度)对于每个宽度宽度.看scipy.signal.cwt.

2. 在 cwt 矩阵中识别 “ridge lines”。这些是每行的相对最大值，跨相邻行连接。见identify_ridge_lines

3. 使用 filter_ridge_lines 过滤 ridge_lines。

参考：

[1]

生物信息学(2006)22(17)：2059-2065。 DOI:10.1093/bioinformatics/btl355

例子：

>>> import numpy as np
>>> from scipy import signal
>>> xs = np.arange(0, np.pi, 0.05)
>>> data = np.sin(xs)
>>> peakind = signal.find_peaks_cwt(data, np.arange(1,10))
>>> peakind, xs[peakind], data[peakind]
([32], array([ 1.6]), array([ 0.9995736]))