波峰波谷 python

原创

mob649e816704bc 2024-12-31 04:03:26 ©著作权

©著作权归作者所有：来自51CTO博客作者mob649e816704bc的原创作品，请联系作者获取转载授权，否则将追究法律责任

实现“波峰波谷”的Python教程

一、流程概述

在处理信号数据时，识别波峰和波谷是非常重要的一环。这意味着我们需要一种方法来检测在数据中显著的高点（波峰）和低点（波谷）。下面是实现“波峰波谷”的基本流程：

步骤	描述
1	导入所需库
2	生成或读取数据
3	应用平滑技术（可选）
4	检测波峰和波谷
5	可视化结果

二、详细步骤与代码

步骤 1：导入所需库

import numpy as np      # 用于数值计算
import matplotlib.pyplot as plt  # 用于数据可视化
from scipy.signal import find_peaks  # 用于识别波峰

这段代码导入了 NumPy（用于处理数组和数学运算）、Matplotlib（用于绘图）和 SciPy（用于信号处理）库。

步骤 2：生成或读取数据

# 生成示例数据
x = np.linspace(0, 10, 100)  # 生成从0到10的100个点
y = np.sin(x) + np.random.normal(0, 0.1, x.size)  # 加一点噪声的正弦波

此段代码创建了一个包含噪声的正弦波，以便我们在其上寻找波峰和波谷。

步骤 3：应用平滑技术（可选）

# 使用移动平均法对数据进行平滑处理
window_size = 5  # 窗口大小
y_smooth = np.convolve(y, np.ones(window_size)/window_size, mode='same')

在这里，我们通过简单的移动平均对数据进行了平滑处理，以减少噪声影响。

步骤 4：检测波峰和波谷

# 检测波峰
peaks, _ = find_peaks(y_smooth)
# 检测波谷
valleys, _ = find_peaks(-y_smooth)

我们利用 find_peaks 函数检测平滑数据的波峰，然后负值找波谷。波谷是波峰的反转。

步骤 5：可视化结果

plt.figure(figsize=(10, 5))
plt.plot(x, y, label='Original Signal', alpha=0.5)
plt.plot(x, y_smooth, label='Smoothed Signal', color='orange')
plt.plot(x[peaks], y_smooth[peaks], "x", label='Peaks', color='red')
plt.plot(x[valleys], y_smooth[valleys], "o", label='Valleys', color='blue')
plt.title('Peak and Valley Detection')
plt.legend()
plt.grid()
plt.show()

在最后一步，我们使用 Matplotlib 可视化原始信号、平滑信号、波峰和波谷。

三、状态图与旅行图

状态图

stateDiagram
    [*] --> 生成数据
    生成数据 --> 导入库
    导入库 --> 平滑处理
    平滑处理 --> 检测波峰
    检测波峰 --> 检测波谷
    检测波谷 --> 可视化结果
    可视化结果 --> [*]

旅行图

journey
    title 波峰波谷检测之旅
    section 准备工作
      导入库: 5: 导入 NumPy, Matplotlib 和 SciPy
    section 数据处理
      生成数据: 4: 创建正弦波
      平滑处理: 3: 使用移动平均方法
    section 波峰波谷检测
      检测波峰: 5: 识别波峰
      检测波谷: 4: 识别波谷
    section 结果展示
      可视化结果: 5: 绘制图形展示