Найти ширину пиков

Question

У меня есть набор данных, на котором я пытаюсь обнаружить пики и границы слева и справа этих пиков.

Я успешно использую scipy find_peaks_cwt, чтобы найти пики, но я не знаю, как затем определить левую и правую границы этих пиков.

На приведенном ниже графике маркеры линий и кругов на вершинах рисуются программно, но квадратные маркеры были нарисованы вручную - это то, что я сейчас пытаюсь сделать программно.

Любые советы о том, как это сделать? Я рассматривал поиск точек перегиба, но это не будет работать из-за шума в данных.

Answer 1

Если подходящая гауссовская подгонка была бы подходящей, вы могли бы взять количество найденных пиков и поместить n гауссовых распределений (1 для каждого пика) плюс постоянную переменную для фонового шума (или вы могли бы добавить еще один гауссовский к кривая подходит

import numpy as np 
from scipy.optimize import curve_fit 
from scipy.signal import find_peaks_cwt 
from math import * 

peak_indices = find_peaks_cwt(data, *args) 

#make a fitting function that takes x number of peak widths 
def makeFunction(indices, data): 
    def fitFunction(x, *args): 
     #sum of gaussian functions with centers at peak_indices and heights at data[peak_indices] plus a constant for background noise (args[-1]) 
     return sum([data[indices[i]]*exp(-((x-indices[i])**2)/(2*args[i]**2)) for i in range(len(peak_indices))])+args[-1]              #does my code golfing show? xD 
    return fitFunction 

f = makeFunction(peak_indices, data) 

#you must provide the initial guess of "np.ones(len(peak_indices)+1)" for the parameters, because f(x, *args) will otherwise take a variable number of arguments. 
popt, pcov = curve_fit(f, np.arange(len(data)), data, np.ones(len(peak_indices)+1)) 

#standard deviations (widths) of each gaussian peak and the average of the background noise 
stdevs, background = popt[:-1], popt[-1] 
#covariance of result variables 
stdevcov, bgcov = pcov[:-1], pcov[-1] 

Это должно дать вам место, чтобы начать, но вы, вероятно, придется изменить функцию оптимизации для работы с данными (или, возможно, будет работать вообще, я не проверял)