当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


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]))

相关用法


注:本文由纯净天空筛选整理自scipy.org大神的英文原创作品 scipy.signal.find_peaks_cwt。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。