分离信号在numpy的

Question

局部最小值前右

考虑命名final1（信号）以下numpy的数组：

我想前面的阵列分成4个个子阵列。四个子阵列由瞬间的局部极小前右侧分隔，如图所示如下图：

的想法我是找到阵列的本地最小值和最大值的索引和值：

minimaindex = argrelextrema(final1, np.less) 
maximaindex = argrelextrema(final1, np.greater) 
valuesminima = final1[argrelextrema(final1, np.greater)[0]] 
valuesmaxima = final1[argrelextrema(final1, np.less)[0]] 

然后根据值数组对索引数组进行排序，考虑4个最大最小值，最后找到最接近4个最小值的最大值，并将这些值的索引拆分为final1。

我想知道是否有人有关于如何完成最后一部分的推理。

谢谢

编辑： 这是信号矢量： https://app.box.com/s/isog7pa3xcradzcsivn5vtx7mj8u0wp1

Answer 1

我不确定接受的答案通常会做你在图表上显示的内容。我当然无法让它产生正确的答案！

通常情况下，您总会得到交替的最大值和最小值以及一个或两个都不存在的边缘情况。你需要查看所有最大值最小的最小值，并且不需要搜索所有最大值来查看哪个最大值。你的图表上只有三个切点。

你有很多“噪音”最大值和最小值可能很容易混淆你的结果 - 这将是一个好主意做一些平滑。另外你使用argrelextrema的方法是有效的一样

np.where((a[:-2] > a[1:-1]) & (a[1:-1] < a[2:])) 

（这可能是速度快，但你必须+1到索引值）都将错过刚巧有两个值相同的一个转折点。

反正这似乎是我与您的数据进行工作：

import numpy as np 
from scipy import signal 

final1 = np.loadtxt("/home/jill/Downloads/256frames_timed_SumrowSignal_1.csv", delimiter=",") 
#final1 = np.convolve(final1, [0.1, 0.2, 0.4, 0.2, 0.1]) 

minimaindex = signal.argrelextrema(final1, np.less)[0] 
maximaindex = signal.argrelextrema(final1, np.greater)[0] 

if minimaindex[0] < maximaindex[0]: # ensure all minima have a previous maxima 
    minimaindex = minimaindex[1:] 
maximaindex = maximaindex[:len(minimaindex)] 
diffs = final1[maximaindex] - final1[minimaindex] 
diffs_as = np.argsort(diffs)[-3:] 
cut_points = maximaindex[diffs_as] 

编辑如果你看一下附加的图片，你会看到，你总是必须有交替的最大值和最小值 - 因为他们是什么。

你看出来的情况是，其中第一最小没有最大点在它的左边。这就是我检查每一个索引的行。如果最大值不是第一个，它会删除第一个最小值。它还必须确保最大值列表被截断为与最小值相同的长度。

我不检查的情况就像下面两行。你可以只停在这里的过程中，如果没有足够的最低或最高：

if minimaindex[0] < maximaindex[0]: # ensure all minima have a previous maxima 
    minimaindex = minimaindex[1:] 
if len(minimaindex) < 3 or len(maximaindex) < 3: 
    error_message = "not enough peaks" 
    return None #break, exit, whatever is relevant to the way you use the code 
maximaindex = maximaindex[:len(minimaindex)] 

Answer 2

您可以使用argsort获得较小的最低高度的指标：

valuesminima = final1[minimaindex] 
# Find 4 smaller minimas 
idx = np.argsort(valuesminima) # sort minima 
target = idx[:4] # 4 smaller minimas 

# Find all maximas 
argmaximas = argrelextrema(final1, np.less) 

# Extract maximas closest to the minimas 
maximas = [] 
for minidx in minimaindex[target]: # for each minima 
    dist = np.abs(argmaximas - minidx) # distance current minima 
    maximas += [np.argmin(dist)] # get the closest maxima 

花哨也不过分，但我猜猜它可以工作。 maximas包含最接近较小4个最小值的4个最大值。