python中的简单峰值检测：find_peaks_cwt和peakutil的问题

这是一个类似于我的数据的例子，有一个尖锐的峰值，周围有一些小的噪声，在其他地方几乎是恒定的小噪声

find_peaks_cwt

和

peakutils

都没有像我希望的那样在这些数据上发挥作用

find\u peaks\u cwt

：

>>> x
[0.1, 0.1, 0.1, 0.11, 0.1, 0.09, 0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.0, 0.0, 0.4, 0.7, 0.7, 0.2, 0.0, 0.005, 0.1, 0.1]
>>> peaks = scipy.signal.find_peaks_cwt(x, np.arange(1,5))
>>> peaks
[1, 2, 3, 9, 12, 16, 17]

16和17是正确的峰值，但是检测到1,2,3,9,12是怎么回事？此外，该程序缺乏将16/17识别为单峰的能力。这对我来说有点问题

findpeaks

包似乎更健壮，我也尝试过实现它，但它有一些奇怪的问题。当我查看数据时（有一个明显的峰值），它会抛出对我来说毫无意义的异常，有时它甚至会在没有明显原因的情况下生成负索引！我用了一段时间后得到了这辆四轮马车

即使在这个例子中，

peakutils

似乎也没有达到预期的效果：

>>> x
[0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.0, 0.0, 0.4, 0.7, 0.7, 0.2, 0.0, 0.005, 0.1, 0.1]
>>> peakutils.indexes(x, thres=0.0) # I tried many values of thres
array([], dtype=int64)

---

对于识别像这样的尖峰有什么建议吗？我正在考虑不使用峰值检测，只编写我自己的函数来识别它们。

find_peaks_cwt的性能取决于您提供的小波宽度，例如，尝试给它一些arange（1,5）以外的东西，例如linspace（1,5100）--您可能需要阅读它所基于的论文才能正确使用它。我理解，是的，我刚刚尝试了

arange（1100）

，它在这个测试示例中正确地拾取了峰值。我将对此进行更多的实验，并查看论文。你应该把它贴出来作为答案。谢谢我自己并不完全理解这个算法——如果峰值的顶部相对平坦，它似乎并不总是返回准确的最大索引。不确定是否有bug，或者这是否是作为峰值中心位置的“最佳”估计的预期行为。我现在已经浏览了很多峰值检测库，它们似乎都有怪癖，并且获得真正一致的结果并不容易。特别是尖峰是有问题的，在这种情况下，我最终做了一个简单的启发式识别最大值并将附近的数据归零。它之所以有效，是因为峰值非常明显。我在另一种情况下使用了

findpeaks

，在这种情况下，数据有噪声，结果正常，但不是我所说的真正一致。find_peaks_cwt的性能取决于您提供的小波宽度，例如，尝试给它一些arange（1,5）以外的值，例如linspace（1,5100）---为了正确使用它，您可能需要阅读它所基于的论文。我理解，是的，我刚刚尝试了

arange（1100）

，它在这个测试示例中正确地拾取了峰值。我将对此进行更多的实验，并查看论文。你应该把它贴出来作为答案。谢谢我自己并不完全理解这个算法——如果峰值的顶部相对平坦，它似乎并不总是返回准确的最大索引。不确定是否有bug，或者这是否是作为峰值中心位置的“最佳”估计的预期行为。我现在已经浏览了很多峰值检测库，它们似乎都有怪癖，并且获得真正一致的结果并不容易。特别是尖峰是有问题的，在这种情况下，我最终做了一个简单的启发式识别最大值并将附近的数据归零。它之所以有效，是因为峰值非常明显。在另一种情况下，我使用了

findpeaks

，在这种情况下，数据是有噪声的，得到的结果是正常的，但不是我所说的真正一致的。