File:Detection pics savitzky golay.svg
Original file (SVG file, nominally 900 × 540 pixels, file size: 33 KB)
Captions
Contents
Summary[edit]
DescriptionDetection pics savitzky golay.svg |
Français : Détection de pics sur un signal bruité :
Le signal contient trois pics. Voir aussi https://docs.scipy.org/doc/scipy/reference/generated/scipy.signal.savgol_filter.htmlEnglish: Peak detection on a noisy signal:
The signal contains three peaks. Caption in French:
|
Date | |
Source | Own work |
Author | Cdang |
Other versions | Noiseless curves: File:Exemple superposition de pics large et etroit.svg ; use of the scipy find_peaks algorithm: File:Detection pics scipy signal find peaks.svg |
iThe source code of this SVG is invalid due to 10 errors. |
Source code
Creation of the data file.
Python code
#!/usr/bin/python3
# coding: utf-8
"""nom : creationDonnees.py
auteur : User:cdang
date de création : 2023-04-19
dates de modification :
— 2023-04-20 : ajout de la courbe lissée et des cordes sur la sortie graphique
----------------------------------------------------------------------------
version de Python : 3
module requis : NumPy, Pandas
----------------------------------------------------------------------------
Objectif : crée un fichier de données, nuage de points (x, y) pour tester le programme de recherche de pics.
Entrées
-------
Paramètres de la fonction générant le nuage de points (codé en dur).
Sorties
-------
Un fichier CSV de deux colonnes correspondant aux coordonnées x et y des point d'une courbe
(nombres réels convertis en chaînes de caractères).
"""
import numpy as np
import pandas as pd
# ****************
# ****************
# ** Paramètres **
# ****************
# ****************
facteurSigma = 0.03/np.sqrt(2*np.pi) # rapport entre la hauteur et la largeur d'un pic
x1 = 0.3 ; h1 = 0.5 # position et hauteur des pics
x2 = 0.75 ; h2 = 0.1
x3 = 0.8 ; h3 = 1
epsilon = 0.01 # amplitude du bruit
n = 200 # nombre de points
# chemin d'accès et nom du fichier à créer
chemin = "~/dummypath/"
nomFichier = "donnees.csv"
# **************
# **************
# ** Fonction **
# **************
# **************
def f(x, mu, sigma):
"""Fonction pour générer un pic.
Entrées :
— x : vecteur de réels (abscisses) ;
— mu : réel, position du pic ;
— sigma : réel, écart type de la fonction gaussienne.
Sortie : y, vecteur de réels (ordonnées) de même dimension que x.
y = 1/(σ × √(2π)) × exp((x - μ)²/(2σ²))."""
unSurSigma = 1/sigma
y = (unSurSigma*facteurSigma)*np.exp(-0.5*unSurSigma*unSurSigma*(x - mu)*(x - mu))
return y
# *************************
# *************************
# ** Programme principal **
# *************************
# *************************
X = np.linspace(0, 1, n)
Y = f(X, x1, facteurSigma/h1) + f(X, x2, facteurSigma/h2) + f(X, x3, facteurSigma/h3) + epsilon*np.random.normal(X)
resultat = pd.DataFrame(np.concatenate((X.reshape(-1, 1), Y.reshape(-1, 1)), axis=1))
resultat.to_csv(chemin+nomFichier)
Data processing.
Python code
#!/usr/bin/python3
# coding: utf-8
"""nom : detcectionPics.py
auteur : User:cdang
date de création : 2023-04-19
dates de modification :
— 2023-04-20 : ajout de la courbe lissée et des cordes sur la sortie graphique
— 2023-05-02 : ajout d'un filtrage sur la dérivée seconde
— 2023-05-10 : factorisation des fonctions de Savitzky-Golay ; filtrage des cordes
----------------------------------------------------------------------------
version de Python : 3
module requis : NumPy, Matplotlib, Pandas
----------------------------------------------------------------------------
Objectif : détecte les pics à partir d'une courbe, sous la forme d'un nuage de poins (x, y).
Entrées
-------
Fichier CSV, paramètres de filtrage (codés en dur).
Sorties
-------
Une liste de position et un graphique montrant les positions trouvées par rapport au nuage de points.
"""
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
# ****************
# ****************
# ** Constantes **
# ****************
# ****************
chemin = "~/dummypath/"
nomFichier = "donnees.csv"
fenetre = 9 # nombre de points de la fenêtre glissante pour le lissage
largeurMin = 5 # largeur minimale de la corde d'un pic, en nombre de points, pour le filtrage
hauteurMin = 0 # hauteur minimale d'un pic par rapport à sa corde, pour le filtrage
profondeurSeconde = -150 # profondeur minimale de la dérivée seconde, pour filtrage
# ***************
# ***************
# ** Fonctions **
# ***************
# ***************
# ******************
# * Savitzky-Golay *
# ******************
def lissage(y, fenetre):
"""Effectue un lissage selon l'algotithme de Savitzky-Golay, en supposant que les abscisses sont équidistantes
(pas constant).
Entrées :
— y : vecteur de réels, ordonnée des points ;
— fenetre : entier, largeur de la fenêtre glissante (nombre de points).
Sortie : yliss : vecteur de réels de même dimension que y, ordonnées des points lissés."""
if fenetre == 5:
yliss = 1/35*(-3*(y[:-4] + y[4:]) + 12*(y[1:-3] + y[3:-1]) + 17*y[2:-2]) # 5 points
elif fenetre == 7:
yliss = 1/21*(-2*(y[:-6] + y[6:]) + 3*(y[1:-5] + y[5:-1]) + 6*(y[2:-4] + y[4:-2]) + 7*y[3:-3]) # 7 points
elif fenetre == 9:
yliss = 1/231*(-21*(y[:-8] + y[8:]) + 14*(y[1:-7] + y[7:-1]) + 39*(y[2:-6] + y[6:-2]) + 54*(y[3:-5] + y[5:-3]) +
59*y[4:-4]) # 9 points
return yliss
def derivee(y, h, fenetre):
"""Effectue la dérivée selon l'algotithme de Savitzky-Golay, en supposant que les abscisses sont équidistantes
(pas constant).
Entrées :
— y : vecteur de réels, ordonnée des points ;
— h : réel, distance entre l'abscisse de deux points consécutifs (pas)
— fenetre : entier, largeur de la fenêtre glissante (nombre de points).
Sortie : yprime : vecteur de réels de même dimension que y, ordonnées des dérivées."""
if fenetre == 5:
yprime = 1/(10*h)*(2*(y[4:] - y[:-4]) + y[3:-1] - y[1:-3]) # 5 points
elif fenetre == 7:
yprime = 1/(28*h)*(3*(y[6:] - y[:-6]) + 2*(y[5:-1] - y[1:-5]) + y[4:-2] - y[2:-4]) # 7 points
elif fenetre == 9:
yprime = 1/(60*h)*(4*(y[8:] - y[:-8]) + 3*(y[7:-1] - y[1:-7]) + 2*(y[6:-2]- y[2:-6]) +
y[5:-3] - y[3:-5]) # 9 points
return yprime
def deriveeSeconde(y, h, fenetre):
"""Effectue la dérivée seconde selon l'algotithme de Savitzky-Golay, en supposant que les abscisses sont équidistantes
(pas constant).
Entrées :
— y : vecteur de réels, ordonnée des points ;
— h : réel, distance entre l'abscisse de deux points consécutifs (pas)
— fenetre : entier, largeur de la fenêtre glissante (nombre de points).
Sortie : yseconde : vecteur de réels de même dimension que y, ordonnées des dérivées secondes."""
if fenetre == 5:
yseconde = 1/(7*h*h)*(2*(y[:-4] + y[4:]) - (y[1:-3] + y[3:-1]) - 2*y[2:-2]) # 5 points
elif fenetre == 7:
yseconde = 1/(42*h*h)*(5*(y[:-6] + y[6:]) - 3*(y[2:-4] + y[5:-1]) - 4*y[3:-3]) # 7 points
elif fenetre == 9:
yseconde = 1/(462*h*h)*(28*(y[:-8] + y[8:]) + 7*(y[1:-7] + y[7:-1]) - 8*(y[2:-6] + y[6:-2]) -
17*(y[3:-5] + y[5:-3]) - 20*y[4:-4]) # 9 points
return yseconde
# ******************
# Détection de pic *
# ******************
def detectionPics(x, y, fenetre, largeurMin, hauteurMin):
"""Détecte les pics dans une courbe (nuage de points).
Entrées :
— x : vecteur de réels, abscisse des points ;
— y : vecteur de réels de même dimension que x, ordonnée des points ;
— fenetre : entier, largeur de la fenêtre de lissage (nombre de poins d'abscisse) ;
— largeurMin : entier, largeur minimale de la corde d'un pic (pour éliminer les parasites) ;
— hauteurMin : réel, hauteur minimale d'un pic par rapport à la corde (pour éliminer les parasites)
La corde est le segment reliant les points d'inflexions sur les flancs d'un pic.
Sorties :
— sommets : vecteur d'entiers, index de positions des sommets dans le vecteur x ;
— pics : vecteur d'entiers, index de positions des cordes dans le vecteur x ;
— yliss : vecteur de réels de même dimension que x, ordonnées du nuage de point lissé ;
— yprime : vecteur de réels de même dimension que x, dérivées ;
— yseconde : vecteur de réels de même dimension que x, dérivées secondes."""
h = np.mean(np.diff(x)) # pas d'échantillonnage
# bords de la fenêtre de lissage
decalage = int(0.5*(fenetre - 1)) # décalage dû à la largeur de la fenêtre
# Préparation des données
# lissage, dérivations
yliss = lissage(y, fenetre) # lissage de Savitzky-Golay
yprime = derivee(y, h, fenetre)
yseconde = deriveeSeconde(y, h, fenetre)
chgtsgn = np.sign(yseconde[:-1]*yseconde[1:]) # détecte les changements de signe de la dérivée seconde
booleen = chgtsgn <= 0
pics = [[0, 0]] # initialisation de la matrice de pics
cont = True
n = len(booleen)
i = 0
# Détection des pics et création des cordes
# (segments reliant les points d'inflexion)
while cont:
if booleen[i]: # première rencontre d'un changement de signe : ouverture d'un pic
j = i + 1
cont2 = (j < n)
#print("j = "+str(j))
while cont2: # ouvre la recherche de la fin du pic
if booleen[j]:
if (j - i) >= largeurMin: # si les événements sont suffisamment distants (filtrage en largeur de pic)
cont2 = False # arrête la boucle
pics = np.append(pics, [[i, j]], axis=0) # créee un pic
i = j # fait avancer l'indice
cont2 = False # ce n'était pas un pic, arrêt de la boucle
else: # tant qu'il n'y a pas de nouvelle inversion de signe
j = j + 1 # on avance
cont2 = cont2 and (j < n)
i = i + 1 # avance l'indice
cont = (i < n) # condition d'arrêt
pics = np.delete(pics, 0, 0) # retrait de la première ligne
m = len(pics) # nombre de pics identifiés
# Détermination de la position des sommets
sommets = np.array([]) # initialisation
cordes = np.array([]).reshape(0,2)
for i in range(m): # pour chaque pic identifié
posmin = np.argmin(yseconde[pics[i, 0]:pics[i, 1]]) #position du pic au minimum de la dérivée seconde
j = pics[i, 0] + posmin # indice du sommet
ygauche = yliss[pics[i, 0]] # ordonnée de la corde à gauche
ydroite = yliss[pics[i, 1]] # ordonnée de la corde à droite
ycentre = yliss[j] # ordonnée du sommet
if ((ycentre - 0.5*(ygauche + ydroite)) >= hauteurMin) and (yseconde[j] <= profondeurSeconde):
# filtrage en hauteur de pic par rapport au milieu de la corde, et en profondeur de la dérivée seconde
sommets = np.append(sommets, j)
cordes = np.append(cordes, pics[i, :].reshape((1, 2)), axis = 0)
return (sommets.astype(np.int64)+decalage, cordes.astype(np.int64)+decalage, yliss, yprime, yseconde)
# *************************
# *************************
# ** Programme principal **
# *************************
# *************************
# ***********************
# * lecture des données *
# ***********************
donnees = pd.read_csv(chemin+nomFichier).to_numpy()
x = donnees[:, 1]
y = donnees[:, 2]
# **********************
# * Détection des pics *
# **********************
(sommets, cordes, yliss, yprime, ysecond) = detectionPics(x, y, fenetre, largeurMin, hauteurMin, profondeurSeconde)
# *******************
# * Sortie des pics *
# *******************
listePics = np.concatenate((x[sommets].reshape(-1, 1), yliss[sommets].reshape(-1, 1)), axis=1)
print("Liste des pics :\n")
print(listePics)
# *********
# * Tracé *
# *********
decalage = int(0.5*(fenetre - 1)) # décalage dû à la largeur de la fenêtre
fig = plt.figure(figsize = [10, 6])
for i in sommets:
plt.plot(x[i]*np.array([1, 1]), [0, 1], color="lightgreen", linestyle="-", linewidth=0.5)
for i in range(len(cordes)):
i1 = cordes[i, 0]
i2 = cordes[i, 1]
plt.plot([x[i1], x[i2]], [yliss[i1-decalage], yliss[i2-decalage]], color="lightgreen", linestyle="-", linewidth=0.5)
plt.plot(x[decalage:-decalage], yliss,
color="black", linewidth = "1", label = "courbe lissée")
plt.plot(x, y,
color="blue", linewidth = "0.5", label = "données brutes")
plt.xlabel("x (u.a.)")
plt.ylabel("y (u.a.)")
plt.legend()
plt.savefig(chemin+"detection_pics_savitzky_golay.svg", format="svg")
Nr. | theoretical | as detected |
---|---|---|
1 | 0,3 | 0,302 |
2 | 0,75 | 0,709 |
3 | 0,8 | 0,799 |
Licensing[edit]
- You are free:
- to share – to copy, distribute and transmit the work
- to remix – to adapt the work
- Under the following conditions:
- attribution – You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
- share alike – If you remix, transform, or build upon the material, you must distribute your contributions under the same or compatible license as the original.
File history
Click on a date/time to view the file as it appeared at that time.
Date/Time | Thumbnail | Dimensions | User | Comment | |
---|---|---|---|---|---|
current | 07:13, 25 April 2023 | 900 × 540 (33 KB) | Cdang (talk | contribs) | vert plus sombre pour les pics et les cordes | |
08:19, 20 April 2023 | 900 × 540 (34 KB) | Cdang (talk | contribs) | ajout des cordes | ||
08:09, 20 April 2023 | 900 × 540 (33 KB) | Cdang (talk | contribs) | ajout du lissage | ||
10:00, 19 April 2023 | 900 × 540 (25 KB) | Cdang (talk | contribs) | Uploaded own work with UploadWizard |
You cannot overwrite this file.
File usage on Commons
There are no pages that use this file.
Metadata
This file contains additional information such as Exif metadata which may have been added by the digital camera, scanner, or software program used to create or digitize it. If the file has been modified from its original state, some details such as the timestamp may not fully reflect those of the original file. The timestamp is only as accurate as the clock in the camera, and it may be completely wrong.
Width | 720pt |
---|---|
Height | 432pt |