cupyx.scipy.signal.peak_prominences#

cupyx.scipy.signal.peak_prominences(x, peaks, wlen=None)[source]#

计算信号中每个峰值的突出度。

峰值的突出度衡量了峰值相对于信号周围基线的显着程度，其定义为峰值与其最低等高线之间的垂直距离。

参数:

  • x (序列) – 带有峰值的信号。

  • peaks (序列) – x 中峰值的索引。

  • wlen (int, 可选) – 采样点中的窗口长度，可选地将每个峰值的评估区域限制为 x 的子集。峰值始终位于窗口的中间，因此给定的长度会向上取整到下一个奇数整数。此参数可以加快计算速度（参见注释）。

返回值:

  • prominences (ndarray) – peaks 中每个峰值的计算突出度。

  • left_bases, right_bases (ndarray) – x 中每个峰值左右两侧的基点索引。每对基点中较高的一个标记了峰值的最低等高线。

抛出:

ValueError – 如果 peaks 中的值对于 x 是无效索引。

警告:

PeakPropertyWarning – 对于 peaks 中未指向 x 中有效局部最大值的索引，返回的突出度将为 0 并触发此警告。如果 wlen 小于峰值的平台大小，也会发生这种情况。

警告

此函数对于包含 NaN 的数据可能会返回意外结果。为避免此问题，应移除或替换 NaN。

另请参阅

find_peaks

根据峰值属性查找信号中的峰值。

peak_widths

计算峰值的宽度。

注释

计算峰值突出度的策略

  1. 从当前峰值向左和向右延伸一条水平线，直到该线到达窗口边界（参见 wlen）或在更高峰值的斜坡处再次与信号相交。与相同高度峰值的相交将被忽略。

  2. 在每一侧找到上述定义区间内的最小信号值。这些点是峰值的基点。

  3. 两个基点中较高的一个标记了峰值的最低等高线。突出度可以计算为峰值本身高度与其最低等高线之间的垂直差。

对于具有周期性行为的大型 x，搜索峰值的基点可能会很慢，因为算法的第一步需要评估大部分甚至整个信号。可以使用参数 wlen 限制此评估区域，该参数将算法限制在当前峰值周围的窗口内，如果窗口长度相对于 x 较短，则可以缩短计算时间。但是，如果峰值的真实基点在此窗口之外，这可能会阻止算法找到真实的全局等高线。相反，在受限窗口内会找到一条更高的等高线，从而导致计算出的突出度较小。在实践中，这仅与 x 中最高的一组峰值有关。此行为甚至可以有意地用于计算“局部”突出度。