python - 确定数据集 "wiggliness"- Python

Question

我正在开发一款需要实现一组数据波动的软件。这是我将收到的输入示例，与每个垂直像素条的亮度图合并:

很容易看出左边距真的摇摆不定(即有大量的最小值/最大值)，我想生成一组图像的临界点。我已经对数据应用了大约 10 次高斯平滑函数，但开始时它似乎很不稳定。

有什么想法吗？

这是我的原始代码，但它并没有产生很好的结果(因为摆动):

def local_maximum(list, center, delta):
  maximum = [0, 0]

  for i in range(delta):
    if list[center + i] > maximum[1]: maximum = [center + i, list[center + i]]
    if list[center - i] > maximum[1]: maximum = [center - i, list[center - i]]

  return maximum

def count_maxima(list, start, end, delta, threshold = 10):
      count = 0

  for i in range(start + delta, end - delta):
    if abs(list[i] - local_maximum(list, i, delta)[1]) < threshold: count += 1

  return count

def wiggliness(list, start, end, delta, threshold = 10):
  return float(abs(start - end) * delta) / float(count_maxima(list, start, end, delta, threshold))

Answer 1

看看低通/高通/陷波/带通滤波器、傅里叶变换或小波。基本思想是有很多不同的方法可以计算出在不同时间段内量化的信号的频率内容。

如果我们能弄清楚什么是摆动，那将会有所帮助。我会说最左边的边距是摇摆不定的 b/c 它有更多的高频内容，您可以使用傅立叶变换将其可视化。

如果您对该红色信号进行高通滤波器，您将只得到高频成分，然后您可以测量振幅并设置阈值以确定摆动度。但我想摆动背后只需要更多的形式主义。