使用并行计算加速倍频程中的 findpeaks

Question

我正在建模和干涉测量，想要找到穿过探测器的条纹数量。数据相当密集，它会导致 findpeaks 出现问题，我试图使用 parfor 来加快速度。当然 parfor 不存在于八度音程中，所以我想知道处理这个问题的最佳方法。

这是我最初尝试的；

```
parfor i = 1:N
  start = round(((i-1)/N)*length(IT))+1;
  stop = round((i/N)*length(IT));
  partime = time(start:stop);
  [row,col] = findpeaks(IT(start:stop)./max(IT(start:stop)));  % Fringe Frequency
  pklk = [pklk partime(col)];
end
```

Answer 1

这是使用正则表达式实现

findpeaks

：

findpeaks = @(data) regexp(char(sign(diff(reshape(data, 1, []))) + '1'), '21*0') + 1;

返回峰的位置。将其用作：

col = findpeaks(IT); 
pklk = time(col);

findpeaks

的Octave实现使用

bsxfun

来扩展需要

n^2

内存的索引向量。

更新

添加了两个选项

height

和

dist

。此外，该函数现在有两个输出：

pks

局部最大值和

locs

峰值位置。

function [pks, locs]  = findpeaks(data, height, dist)
  % find all peaks
  locs = regexp(char(sign(diff(reshape(data, 1, []))) + '1'), '21*0') + 1;
  % apply MinPeakHeight
  locs = locs(data(locs) > height) ;
  % apply MinPeakDistance 
  [~, isorted] = sort(data(locs), 'descend');
  n = numel(data);
  idx = false(1, n);
  idx(locs) = true;
  for s = reshape(isorted, [], 1)
    if (idx(s))
      idx(max(s - dist, 1):min(s + dist, n)) = 0;
      idx(s) = 1;
    end
  end
  locs = find(idx);
  pks = data(locs);
end`