Différences

Ci-dessous, les différences entre deux révisions de la page.

--- detection_pics_signal [2019/11/29 12:31] – créée joseph
+++ detection_pics_signal [2019/11/29 12:37] (Version actuelle) – joseph
@@ Ligne 1: / Ligne 1: @@
 <markdown>
-# Comment trouver les pics d'un signal?
+# Comment trouver les pics d'un signal ?
 En traitement du signal, trouver les pics ("peaks" en anglais) peut être assez utile. Comment faire cela en Python ?
@@ Ligne 8: / Ligne 8: @@
 D'après mes tests et la documentation, le concept de proéminence (`prominence`) est "le concept utile" pour garder les bons pics, et pour se débarrasser des pics secondaires.
-Qu'est-ce que la proéminence (topographique) ? C'est "la hauteur minimale nécessaire pour descendre du sommet à tout terrain plus élevé", comme on peut le voir ici :
+Qu'est-ce que la [proéminence topographique](https://fr.wikipedia.org/wiki/Pro%C3%A9minence) ? C'est "la hauteur minimale nécessaire à descendre depuis le sommet, pour pouvoir atteindre un sommet plus haut", comme on peut le voir ici :
 ![](https://i.stack.imgur.com/c2xE7.png)
@@ Ligne 20: / Ligne 20: @@
 ![](https://i.stack.imgur.com/zFU2l.png)
-J'ai utilisé une sinusoïde bruitée dont la fréquence varie, volontairement, parce qu'elle présente de nombreuses difficultés. Nous pouvons voir que le paramètre `width` n'est pas très utile ici parce que si on définit une largeur minimale trop élevée, alors il ne pourra pas suivre les pics très proches dans la partie haute fréquence. Si on règle la largeur trop bas, on aura beaucoup de pics indésirables dans la partie gauche du signal. Même problème avec `distance`. `threshold` ne compare qu'aux voisins directs, ce qui n'est pas utile ici. `prominence` est celle qui donne la meilleure solution. Notez que l'on peut combiner plusieurs de ces paramètres !
+J'ai utilisé une sinusoïde bruitée dont la fréquence varie, volontairement, parce qu'elle présente de nombreuses difficultés. Nous pouvons voir que le paramètre `width` n'est pas très utile ici parce que si on définit une largeur minimale trop élevée, alors il ne pourra pas suivre les pics très proches dans la partie haute fréquence. Si on règle la largeur trop bas, on aura beaucoup de pics indésirables dans la partie gauche du signal. Même problème avec `distance`. `threshold` ne compare qu'aux voisins directs, ce qui n'est pas utile ici. `prominence` est celle qui donne la meilleure solution. Notez que l'on peut combiner plusieurs de ces paramètres ! (issu d'une réponse que j'ai postée sur stackoverflow).
+Code :
+~~~
+import numpy as np
+import matplotlib.pyplot as plt
+from scipy.signal import find_peaks
+x = np.sin(2*np.pi*(2**np.linspace(2,10,1000))*np.arange(1000)/48000) + np.random.normal(0, 1, 1000) * 0.15
+peaks, _ = find_peaks(x, distance=20)
+peaks2, _ = find_peaks(x, prominence=1)      # MEILLEURE SOLUTION
+peaks3, _ = find_peaks(x, width=20)
+peaks4, _ = find_peaks(x, threshold=0.4)
+plt.subplot(2, 2, 1)
+plt.plot(peaks, x[peaks], "xr"); plt.plot(x); plt.legend(['distance'])
+plt.subplot(2, 2, 2)
+plt.plot(peaks2, x[peaks2], "ob"); plt.plot(x); plt.legend(['prominence'])
+plt.subplot(2, 2, 3)
+plt.plot(peaks3, x[peaks3], "vg"); plt.plot(x); plt.legend(['width'])
+plt.subplot(2, 2, 4)
+plt.plot(peaks4, x[peaks4], "xk"); plt.plot(x); plt.legend(['threshold'])
+plt.show()
+~~~
 </markdown>
 {{tag>dsp traitement-du-signal peak-finding joseph}}