从Scipy Signal对象获取峰的宽度和面积

Question

如何使用cwt get peak方法从Scipy Signal函数获取具有位置，峰面积，峰宽等属性的峰值对象：

def CWT(trace):
x = []
y = []
for i in range(len(trace)):
    x.append(trace[i].Position)
    y.append(trace[i].Intensity)
x = np.asarray(x)
y = np.asarray(y)
return signal.find_peaks_cwt(x,y)

这只是返回一个数组？

Answer 1

首先，您似乎错误地使用了find_peaks_cwt。它的两个位置参数不是数据点的x和y坐标。第一个参数是y值。根本不采用x值，假设它们是0,1,2，....第二个参数是您感兴趣的峰宽列表;

用于计算CWT矩阵的1-D宽度数组。通常，该范围应涵盖目标峰的预期宽度。

width参数没有理由与数据数组大小相同。在下面的示例中，数据有500个值，但我使用的宽度是30 ... 99。

其次，这种方法只能找到峰的位置（你得到的数组有峰值指数）。没有分析它们的宽度和面积。您将要么在其他地方寻找（博客文章Peak Detection in the Python World列出了一些替代方案，尽管它们都没有返回您想要的数据），或者想出了自己的估算方法。

我的尝试如下。它执行以下操作：

1. 通过峰值之间的中点切割信号
2. 对于每个部分，使用其中的值的中值作为基线
3. 声明峰值由大于0.5 *（峰值+基线）的所有值组成，即中值和最大值之间的中间值。
4. 找出峰值开始的位置和结束的位置。 （宽度只是这些的差异）
5. 将峰面积声明为步骤4中找到的间隔（y - 基线）的总和。

完整的例子：

t = np.linspace(0, 4.2, 500)
y = np.sin(t**2) + np.random.normal(0, 0.03, size=t.shape)  # simulated noisy signal
peaks = find_peaks_cwt(y, np.arange(30, 100, 10))

cuts = (peaks[1:] + peaks[:-1])//2    # where to cut the signal 
cuts = np.insert(cuts, [0, cuts.size], [0, t.size])
peak_begins = np.zeros_like(peaks)
peak_ends = np.zeros_like(peaks)
areas = np.zeros(peaks.shape)
for i in range(peaks.size):
  peak_value = y[peaks[i]]
  y_cut = y[cuts[i]:cuts[i+1]]           # piece of signal with 1 peak
  baseline = np.median(y_cut)
  large = np.where(y_cut > 0.5*(peak_value + baseline))[0]
  peak_begins[i] = large.min() + cuts[i]
  peak_ends[i] = large.max() + cuts[i]
  areas[i] = np.sum(y[peak_begins[i]:peak_ends[i]] - baseline)

这里有阵列areas，peak_begins和peak_ends。宽度为[84 47 36]，表示峰值变薄（回想一下这些是以索引单位表示，宽度是峰值中的数据点数）。我使用这些数据为红色峰值着色：

widths = peak_ends - peak_begins
print(widths, areas)
plt.plot(t, y)
for i in range(peaks.size):
  plt.plot(t[peak_begins[i]:peak_ends[i]], y[peak_begins[i]:peak_ends[i]], 'r')
plt.show()