피크 검출 방식

존재하는 피크 검출 알고리즘은 무엇입니까? 시끄러운 데이터가 있으며이 데이터에 대한 피크 감지를 구현하고 싶습니다. 데이터는 반대로, 실제로 바닥을 결정하려고합니다.

다음은 Excel에서 데이터의 스냅 샷입니다. 나는 양쪽 바닥을 감지하고 싶습니다. 저역 통과 필터를 통해 데이터를 전달한 다음 피크를 결정하는 이동 평균을 수행하고 이동 평균 내에서 다른 검색을 수행합니다. DSP 배경이 없습니다. 이것은 상식적인 접근 방식 일뿐입니다. 전문가들이 추천하는 것을 듣고 싶습니다.

Ktuncer에는 여러 가지 방법이 있습니다. 내가 권장하는 한 가지 방법은 DWT (Discrete Wavelet Transform)를 사용하는 것인데, 특히 Daubechies Wavelet을 살펴보십시오 . 예를 들어 Daub-14 / Daub-Tetra를 선택하겠습니다.

기본적으로 실제로 필요한 것은 신호를 '추세'한 다음 최소 또는 최대 선택을 수행하는 것입니다. 그것은 당신의 특이 치를 제거 할 것입니다. daub-14 / daub-tetra wavelet 변환을 사용하면이 작업을 수행 할 수 있으며 신호의 특성을 알지 못하므로 특히 도움이됩니다. daub-14를 사용하면 14/2 = 7 정도의 다항식 신호를 정확하게 표현할 수 있으며 그 이상이 필요하지 않은 것처럼 보입니다.

이 웨이블릿 변환의 계산은 본질적으로 에너지를 몇 가지 지표로 '압축'합니다. 이러한 지수는 기본 벡터에 대한 가중치를 나타냅니다. 나머지 가중치는 (이상적으로) 0에 가깝습니다. 신호에 노이즈가있을 때 (일반적으로 0) 가중치는 이제 약간 가중치를 갖지만 단순히 가중치를 제로화하고 신호를 '거부'할 수 있습니다. 완료되면 간단한 최대 / 최소 감지를 수행 할 수 있습니다.

더 자세한 내용이 있습니다. 구현 방법에 대해 논의하고 싶은 경우 저에게 이메일을 보내 주시기 바랍니다. 나는 이것에 대해 전에 비슷한 작업을 수행했습니다.

편집 : 다음은 Daub-Tetra Denoiser를 보여주는 이미지입니다.

나는 전문가가되는 것은 아니지만 여기에 내가 할 일이있다 :

변동이 심하게 서서히 변화하는 신호가있는 것 같습니다. 검색하는 피크는 약간 더 강한 변동이므로이를 사용하여 감지합니다.

1. 하자 가 될 원시 신호를. 적당한 수의 샘플에 대해 이동 평균을 취하여 부드러운 캐리어 를 만듭니다 .$X(T)$$Y(t)$

2. 성공하면 평균이 0이어야합니다. 의 표준 편차 를 계산하십시오 .$X-Y$$\sigma$$X-Y$

3. 당신은 당신의 피크를 검출 할 수있는 경우 , 는 일반적으로 2, 3, 4입니다.$|(X-Y)(t)| > \alpha \times \sigma$$\alpha$

절대 값을 제거하고 적절한 테스트를 사용하여 오버 슈트 또는 언더 슈트를 구체적으로 감지 할 수 있습니다. 당신이 찾고있는 것입니까?

피크 검출에는 1D 또는 다차원 신호에 대한 응용 분야가 상당히 많습니다. 다음은 이러한 신호의 변화와 피크 해석에 대한 몇 가지 예입니다.

• 원본 포스터의 1D 데이터;

• 이미지를 충분히 변환하면 각 피크는 원본 이미지의 선에 해당합니다.

• 이미지의 자기 상관, 각 피크는 "주기적인 패턴"을 나타내는 주파수에 대응하고;

• 이미지와 템플릿의 "일반화 된"상호 상관, 각 피크는 이미지에서 템플릿의 발생에 해당합니다 (최상의 피크 또는 여러 피크 만 감지하는 데 관심이있을 수 있음).

• Harris 코너에 대한 이미지 필터링 결과, 각 피크는 원본 이미지의 코너에 해당합니다.

이것들은 내가 만난 피크의 정의 및 탐지 기술입니다. 확실히 내가 잊었거나 모르는 다른 것들이 있으며, 다른 답변이 그것들을 다룰 것입니다.

전처리 기술에는 스무딩 및 노이즈 제거가 포함됩니다. @Mohammad 의 대답은 웨이블릿에 관한 것이며 Mathematica의 WaveletThreshold (내가 예제를 가져간 곳) 의 문서 에서 다양한 사용법을 볼 수 있습니다 .

그런 다음 maxima를 검색하십시오. 응용 프로그램에 따라 전역 최대 값 (예 : 이미지 등록), 몇 개의 로컬 최대 값 (예 : 라인 감지) 또는 많은 로컬 최대 값 (키포인트 감지) 만 필요합니다. 데이터에서 가장 높은 값을 찾아서 반복적으로 수행 할 수 있습니다. 그런 다음 가장 높은 잔여 값이 임계 값 미만이 될 때까지 선택된 피크 등의 주변 영역을 지 웁니다. 또는 특정 이웃 크기 내에서 로컬 최대 값을 찾고 값이 임계 값보다 높은 로컬 최대 값 만 유지할 수 있습니다. 일부 로컬 최대 값까지의 거리를 기준으로 로컬 최대 값을 유지하는 것이 좋습니다. 더 나은). 무기고는 또한 형태 학적 연산을 특징으로한다 : 확장 된 최대 값 및 탑햇 변환 모두 적합 할 수있다.

Harris 코너로 필터링 된 이미지에서 다음 세 가지 기술의 결과를 확인하십시오.

또한 일부 응용 프로그램은 서브 픽셀 해상도에서 피크를 찾으려고합니다. 응용 프로그램에 따라 달라질 수있는 보간이 편리합니다.

내가 아는 한,은 총알이 없으며 데이터는 어떤 기술이 가장 잘 작동하는지 알려줍니다.

더 많은 답변을 얻는 것이 정말 좋을 것입니다. 다른 분야에서 왔습니다.

나는 하나의 전형적인 피크 검출 알고리즘이 곳처럼 생각 ref이다 peak(bottom).

for i=1,N   {
       if i=1   {  ref＝data(i)　｝
       else ｛ if　data(i)＜＝ref　｛ref ＝data(i) ｝｝
}