当前位置: 首页 > article >正文

matlab峰值检测

峰值检测的意义

在信号处理中,我们常常需要寻找信号的峰值,对于全局最大值,寻找起来比较容易,而对于局部峰值的寻找就需要考虑更多的条件,例如峰值的绝对幅度以及相邻峰值之间之间的间距;,我如何在信号中找到峰值?我如何测量峰值之间的距离?如何测量受趋势影响的信号峰值的振幅?我如何在含噪信号中找到峰值?我如何找到局部最小值?

matlab峰值检测程序

matlab中可以采用峰值检测函数findpeaks来查找峰的位置和数值。例如我们想要寻找如下信号的峰值,
在这里插入图片描述

图1 输入信号
通过肉眼可以观察到,以上信号中一共有13个峰值。各个峰值的绝对值存在一定的差异。 我们采用findpeaks函数,可以输出如下结果
% 假设信号已经存储在变量signal中
% 使用findpeaks函数检测峰值
[pks, locs] = findpeaks(signal);
% 打印出检测到的峰值和对应的位置
disp('峰值:');
disp(pks);
disp('位置:');
disp(locs);
figure; 
plot(signal,'linewidth',1);axis tight;
hold on;
stem(locs,pks); %采用茎叶图绘制峰值
legend('orgin signal','peak');

在这里插入图片描述

图2 输入信号和峰值
图中红色圆圈标记的即峰值,可以看到峰值很多,这是因为它把很多局部的小的峰值也检测了出来。

设置最小阈值进行峰值检测

由于存在很多局部的小的峰值被错误的检测了出来,我们可以设置一个阈值来进行检测,参数"MinPeakHeight"可以设置最小检测峰值阈值,这里将阈值设置为1:

% 假设信号已经存储在变量signal中
[pks, locs] = findpeaks(signal,'MinPeakHeight',0.5);%设置阈值
% 打印出检测到的峰值和对应的位置
disp('峰值:');
disp(pks);
disp('位置:');
disp(locs);
figure; 
plot(signal,'linewidth',1);axis tight;
hold on;
stem(locs,pks); %采用茎叶图绘制峰值
legend('orgin signal','peak');

在这里插入图片描述

图3 设置阈值后的峰值检测
设置阈值后,提取到的峰值相对比较准确,但是在第3条竖线和第4条竖线上出现了两个峰值,如下图所示

在这里插入图片描述

图4 检测到的相近峰值

剔除相近峰值

信号的峰值似乎以固定间隔出现。然而,有些峰彼此非常接近。MinPeakDistance属性可用于滤除这些峰。此示例只考虑相隔6个采样点以上的峰值。

[pks, locs] = findpeaks(signal,'MinPeakHeight',0.5,...
     'MinPeakDistance',6);
% 打印出检测到的峰值和对应的位置
disp('峰值:');
disp(pks);
disp('位置:');
disp(locs);
figure; 
plot(signal,'linewidth',1);axis tight;
hold on;
stem(locs,pks); %采用茎叶图绘制峰值
legend('orgin signal','peak');

在这里插入图片描述

图5 设置阈值并剔除相近峰值

此时,检测的结果更为准确。

计算峰值间距

findpeaks函数的返回值:pks,locs分别保存了峰值的幅度和位置,峰值间距指的是相邻的两两峰值之间的间距,程序中打印出来的信息如下:

峰值:
  1 至 8 列
    1.3098   10.9858   10.9861    1.9470    5.8270    6.1719    3.1137    8.3133
  9 至 12 列
    8.3147    3.1122    6.1660    5.8235

位置:
  1 至 7 列
           3         301         601         901        1201        1501        1802
  8 至 12 列
        2101        2401        2702        3001        3301

我们采用差分函数对峰值的位置进行处理:

peakInterval = diff(locs);

由于峰值数为12,所以差分后就是11个数:

peakInterval =
   298   300   300   300   300   301   299   300   301   299   300

然后对间距求均值:

AverageDistance_Peaks = mean(diff(locs)) %对间距求均值

http://www.kler.cn/a/283631.html

相关文章:

  • AI 扩展开发者思维方式:以 SQL 查询优化为例
  • 如何在Python中实现一个简单的搜索引擎:从零开始的指南
  • Spark 的容错机制:保障数据处理的稳定性与高效性
  • SpringSecurity源码中核心类
  • 从 MySQL 5.7 到 8.0:理解 GROUP BY 的新规则与实战优化20241112
  • Docker入门系列——Docker-Compose
  • HTML静态网页成品作业(HTML+CSS+JS)——迪士尼公主介绍(6个页面)
  • sql server导入mysql,使用python多线程
  • 从blob 下载zip文件到本地并解压
  • 罗德与施瓦茨RS、UPV 音频分析仪 250KHZ 双通道分析仪UPL
  • 【面试经验】字节产品经理二面面经
  • MySQL空间函数ST_Distance_Sphere()的使用
  • Mysql-redo logs,binlog以及undo logs的作用及区别
  • 对mozjpeg中的函数名进行替换
  • 详解Spring AOP
  • 简单的Tcp服务器
  • 【香橙派系列教程】(十六) 语音模块与阿里云结合
  • Kafka日志及常见问题
  • x-cmd mod | x scoop - Windows 开源包管理工具
  • Java、python、php版 美发美甲预约服务平台 美容院管理系统(源码、调试、LW、开题、PPT)
  • 安卓15发布日期确定,安卓15 谷歌GMS认证截止日期有重大变化!安卓版本GMS认证截止时间更新,谷歌GMS认证之MADA/EDLA设备认证截止时间介绍
  • CSS 的文字平滑属性font-smooth
  • C++研发笔记1——github注册文档
  • C++类和对象(5)——运算符重载(以日期类为例)
  • 数据库,SQL和 MySql的三者关系
  • 智能听诊器:开启宠物健康管理新维度