當前位置: 首頁>>代碼示例 >>用法及示例精選 >>正文


Python SciPy signal.find_peaks用法及代碼示例


本文簡要介紹 python 語言中 scipy.signal.find_peaks 的用法。

用法:

scipy.signal.find_peaks(x, height=None, threshold=None, distance=None, prominence=None, width=None, wlen=None, rel_height=0.5, plateau_size=None)#

根據峰值屬性查找信號內部的峰值。

此函數采用一維數組並通過簡單比較相鄰值來找到所有局部最大值。或者,可以通過指定峰屬性的條件來選擇這些峰的子集。

參數

x 序列

帶有峰值的信號。

height 數字或ndarray或序列,可選

所需的峰高。無論是數字,None, 一個數組匹配x或前者的 2 元素序列。第一個元素始終被解釋為最小高度,第二個元素(如果提供)被解釋為最大所需高度。

threshold 數字或ndarray或序列,可選

所需的峰值閾值,與其相鄰樣本的垂直距離。無論是數字,None, 一個數組匹配x或前者的 2 元素序列。第一個元素始終被解釋為最小值,第二個元素(如果提供)被解釋為所需的最大閾值。

distance 編號,可選

相鄰峰之間的樣本中所需的最小水平距離 (>= 1)。首先移除較小的峰,直到滿足所有剩餘峰的條件。

prominence 數字或ndarray或序列,可選

所需的峰突出。無論是數字,None, 一個數組匹配x或前者的 2 元素序列。第一個元素總是被解釋為最小的,第二個(如果提供的話)被解釋為最大的所需突出。

width 數字或ndarray或序列,可選

樣品中所需的峰寬。無論是數字,None, 一個數組匹配x或前者的 2 元素序列。第一個元素始終被解釋為最小寬度,第二個元素(如果提供)被解釋為最大所需寬度。

wlen 整數,可選

用於計算峰值突出,因此僅在參數之一時使用突出或者寬度給出。見參數威倫scipy.signal.peak_prominences了解其效果的完整說明。

rel_height 浮點數,可選

用於計算峰寬,因此僅在以下情況下使用寬度給出。見參數rel_heightscipy.signal.peak_widths了解其效果的完整說明。

plateau_size 數字或ndarray或序列,可選

樣品中峰的平頂大小。無論是數字,None, 一個數組匹配x或前者的 2 元素序列。第一個元素總是被解釋為最小的,而第二個元素,如果提供為最大所需的平台大小。

返回

peaks ndarray

x 中滿足所有給定條件的峰的索引。

properties dict

包含在評估指定條件期間作為中間結果計算的返回峰的屬性的字典:

  • ‘peak_heights’

    如果給定高度,則為 x 中每個峰的高度。

  • ‘left_thresholds’, ‘right_thresholds’

    如果給定閾值,則這些鍵包含與其相鄰樣本的峰值垂直距離。

  • ‘prominences’, ‘right_bases’、‘left_bases’

    如果突出給出,這些鍵是可訪問的。看scipy.signal.peak_prominences了解其內容的說明。

  • ‘width_heights’, ‘left_ips’、‘right_ips’

    如果寬度給出,這些鍵是可訪問的。看scipy.signal.peak_widths了解其內容的說明。

  • ‘plateau_sizes’、left_edges'、‘right_edges’

    如果給出plateau_size,則這些鍵是可訪問的,並且包含峰值邊的索引(邊仍然是高原的一部分)和計算的高原大小。

要在不排除峰值的情況下計算和返回屬性,請提供開區間(None, None)作為適當參數的值(不包括距離)。

警告

PeakPropertyWarning

如果峰的屬性具有意外值,則引發(請參閱 peak_prominences peak_widths )。

警告

對於包含 NaN 的數據,此函數可能會返回意外結果。為了避免這種情況,應該刪除或替換NaNs。

注意

在此函數的上下文中,峰值或局部最大值被定義為兩個直接鄰居具有較小幅度的任何樣本。對於平坦的峰值(多於一個等幅寬的樣本),返回中間樣本的索引(如果樣本數為偶數,則向下舍入)。對於噪聲信號,峰值位置可能會關閉,因為噪聲可能會改變局部最大值的位置。在這些情況下,請考慮在搜索峰值之前平滑信號或使用其他峰值查找和擬合方法(如 find_peaks_cwt )。

關於指定條件的一些附加評論:

  • 幾乎所有條件(不包括距離) 可以作為半開或閉區間給出,例如,1或者(1, None)定義半開區間\([1, \infty]\) 盡管(None, 1)定義區間\([-\infty, 1]\) .開區間(None, None)也可以指定,它返回匹配屬性而不排除峰值。

  • 邊界始終包含在用於選擇有效峰的區間中。

  • 對於幾個條件,可以使用與 x 形狀匹配的數組來指定區間邊界,這可以根據樣本位置進行動態約束。

  • 按以下順序評估條件:plateau_size、高度、閾值、距離、突出度、寬度。在大多數情況下,此順序是最快的順序,因為首先應用更快的操作以減少稍後需要評估的峰值數量。

  • 雖然峰值中的索引保證至少相距樣本距離,但平坦峰值的邊可能比允許的距離更近。

  • 采用威倫減少評估條件所需的時間突出或者寬度如果x很大或有很多局部最大值(見scipy.signal.peak_prominences)。

例子

為了演示這個函數的用法,我們使用一個信號x隨 SciPy 提供(見scipy.datasets.electrocardiogram)。讓我們找到所有的峰值(局部最大值)x其幅度大於 0。

>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> from scipy.datasets import electrocardiogram
>>> from scipy.signal import find_peaks
>>> x = electrocardiogram()[2000:4000]
>>> peaks, _ = find_peaks(x, height=0)
>>> plt.plot(x)
>>> plt.plot(peaks, x[peaks], "x")
>>> plt.plot(np.zeros_like(x), "--", color="gray")
>>> plt.show()
scipy-signal-find_peaks-1_00_00.png

我們可以選擇低於 0 的峰值height=(None, 0)或使用數組匹配x大小以反映信號不同部分的變化情況。

>>> border = np.sin(np.linspace(0, 3 * np.pi, x.size))
>>> peaks, _ = find_peaks(x, height=(-border, border))
>>> plt.plot(x)
>>> plt.plot(-border, "--", color="gray")
>>> plt.plot(border, ":", color="gray")
>>> plt.plot(peaks, x[peaks], "x")
>>> plt.show()
scipy-signal-find_peaks-1_01_00.png

可以使用距離參數給出周期信號的另一個有用條件。在這種情況下,我們可以通過要求至少 150 個樣本的距離輕鬆選擇心電圖 (ECG) 中 QRS 波群的位置。

>>> peaks, _ = find_peaks(x, distance=150)
>>> np.diff(peaks)
array([186, 180, 177, 171, 177, 169, 167, 164, 158, 162, 172])
>>> plt.plot(x)
>>> plt.plot(peaks, x[peaks], "x")
>>> plt.show()
scipy-signal-find_peaks-1_02_00.png

特別是對於噪聲信號,峰值可以很容易地按其突出程度進行分組(參見 peak_prominences )。例如,我們可以通過將允許的突出度限製為 0.6 來選擇除上述 QRS 複合波之外的所有峰。

>>> peaks, properties = find_peaks(x, prominence=(None, 0.6))
>>> properties["prominences"].max()
0.5049999999999999
>>> plt.plot(x)
>>> plt.plot(peaks, x[peaks], "x")
>>> plt.show()
scipy-signal-find_peaks-1_03_00.png

最後,讓我們檢查心電圖的不同部分,其中包含不同形狀的搏動形式。為了僅選擇非典型心跳,我們結合了兩個條件:最小突出 1 和至少 20 個樣本的寬度。

>>> x = electrocardiogram()[17000:18000]
>>> peaks, properties = find_peaks(x, prominence=1, width=20)
>>> properties["prominences"], properties["widths"]
(array([1.495, 2.3  ]), array([36.93773946, 39.32723577]))
>>> plt.plot(x)
>>> plt.plot(peaks, x[peaks], "x")
>>> plt.vlines(x=peaks, ymin=x[peaks] - properties["prominences"],
...            ymax = x[peaks], color = "C1")
>>> plt.hlines(y=properties["width_heights"], xmin=properties["left_ips"],
...            xmax=properties["right_ips"], color = "C1")
>>> plt.show()
scipy-signal-find_peaks-1_04_00.png

相關用法


注:本文由純淨天空篩選整理自scipy.org大神的英文原創作品 scipy.signal.find_peaks。非經特殊聲明,原始代碼版權歸原作者所有,本譯文未經允許或授權,請勿轉載或複製。