CN102193900A - 基于一阶导数特征的峰识别算法 - Google Patents
基于一阶导数特征的峰识别算法 Download PDFInfo
- Publication number
- CN102193900A CN102193900A CN2011101824999A CN201110182499A CN102193900A CN 102193900 A CN102193900 A CN 102193900A CN 2011101824999 A CN2011101824999 A CN 2011101824999A CN 201110182499 A CN201110182499 A CN 201110182499A CN 102193900 A CN102193900 A CN 102193900A
- Authority
- CN
- China
- Prior art keywords
- point
- peak
- order derivative
- acromion
- derivative
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种基于一阶导数特征的峰识别算法,属于信号处理技术领域。首先定义了三种一阶导数特征点,基于一阶导数特征点给出了完整峰、左右肩峰的准确定义。根据三种峰形的定义给出了检测识别三种峰形的算法。本发明的算法灵敏度高,峰的起始点、结束点和最高点定位准确;各种重叠峰分割准确;基线漂移自适应;无需设置导数阈值;无需计算二阶导数。
Description
技术领域
本发明涉及一种信号处理中峰形的检测和识别算法,属于信号处理技术领域。
背景技术
在某些信号处理中,需要检测信号中出现的波峰,并识别出峰的起始点、峰点、结束点。如色谱峰的分割识别。
现有的峰识别算法多通过一阶和二阶导数进行识别。单独使用一阶导数的方法通过设定阈值,将一阶导数超过阈值的点作为峰的起始点。这种方法无法适应基线漂移的情况,对于重叠峰也较难处理。同时使用一阶和二阶导数的方法由于要计算二阶导数使得计算量增加,处理重叠峰的方法也较复杂。
另外还有些峰识别的方法通过高斯波进行匹配,得到峰的位置信息。这种方法只能识别高斯峰,对于峰的起始点和终点位置判断也不够精确。
发明内容
本发明所要解决的技术问题是克服现有技术中的缺陷,提供一种基于一阶导数特征的峰识别算法,基线漂移自适应,无需设置导数阈值,可以准确分割各种重叠峰,也无需计算复杂的二阶导数。
为解决上述技术问题,本发明提供一种基于一阶导数特征的峰识别算法,其特征是,包含以下步骤:
(1)定义一阶导数特征点:分别为局部最大值点、局部最小值点、零点;
(2)基于一阶导数特征点定义完整峰、左肩峰、右肩峰:
完整峰:包含连续的三个一阶导数特征点:局部最大值点、零点、局部最小值点,
左肩峰:包含连续的两个一阶导数特征点:局部最大值点、局部最小值点,并且局部最大值点的导数绝对值大于局部最小值点的导数,
右肩峰:包含连续的两个一阶导数特征点:局部最大值点、局部最小值点,并且局部最大值点的导数绝对值小于局部最小值点的导数;
(3)检测识别出所述完整峰、左肩峰、右肩峰的算法步骤。
检测识别出所述完整峰、左肩峰、右肩峰的算法采用搜索特征点匹配的方式定位峰,完整峰搜索定位起始点、结束点,左肩峰搜索定位起始点,右肩峰搜索定位结束点。
设原始数据为y=f(x),其一阶导数为y′=f(x),定义三种一阶导数特征点:
1.一阶导数局部最大值点
设x=x0,ε>0,在x0的邻域d=(x0-ε,x0+ε)中有:f′(x0)≥f′(x),x∈d,则称x0是一阶导数的局部最大值点,记为x0∈DMAX。DMAX是所有一阶导数局部最大值点的集合。
2.一阶导数局部最小值点
设x=x0,ε>0,在x0的邻域d=(x0-ε,x0+ε)中有:f′(x0)≤f′(x),x∈d,则称x0是一阶导数的局部最小值点,记为x0∈DMIN。DMIN是所有一阶导数局部最小值点的集合。
3.一阶导数零点
设x=x0,f′(x0)=0,则称x0是一阶导数零点,记为x0∈DZERO。DZERO是所有一阶导数零点的集合。
定义三种峰类型:
1.完整峰
包含上升沿和下降沿的峰。其一阶导数必包含连续的三个特征点:局部最大值点、零点、局部最小值点。
2.左肩峰
只含有上升沿的峰。其一阶导数必包含连续的两个特征点:局部最大值点、局部最小值点,并且局部最大值点的导数绝对值大于局部最小值点的导数。
3.右肩峰
只含有下降沿的峰。其一阶导数必包含连续的两个特征点:局部最大值点、局部最小值点,并且局部最大值点的导数绝对值小于局部最小值点的导数。
检测识别所述完整峰、左肩峰、右肩峰的算法步骤为:
1.输入原始数据,进行滤波去噪,计算一阶导数。
2.根据一阶导数特征点的定义得到所有的一阶导数特征点ci,i=1..n,n是特征点个数。
3.在一阶导数特征点中搜索峰:
若ci-1∈DMAX,ci∈DZERO,ci+1∈DMIN,则ci点为峰的最高点。取cj为峰的起始点,j=max(l),cl∈(DMIN∪DZERO),l<i-1。取ck为峰的结束点,k=min(m),cm∈(DMAX∪DZERO),m>i+1。标记此峰为完整峰。
若ci-1∈DMAX,ci∈DMIN,|f′(ci-1)|>|f′(ci)|,则ci点为峰的最高点及结束点。取cj为峰的起始点,j=max(l),cl∈(DMIN∪DZERO),l<i-1。标记此峰为左肩峰。
若ci∈DMAX,ci+1∈DMIN,|f′(ci)|<|f′(ci+1)|,则ci点为峰的最高点及起始点。取cj为峰的结束点,j=min(l),cl∈(DMAX∪DZERO),l>i+1。标记此峰为右肩峰。
本发明所达到的有益效果:本发明的基于一阶导数特征的峰识别算法,首先定义了三种一阶导数特征点,基于一阶导数特征点给出了完整峰、左肩峰和右肩峰的定义。根据三种峰形的定义给出了检测识别三种峰形的算法。该算法灵敏度高,峰的起始点、结束点和最高点定位准确;各种重叠峰分割准确;基线漂移自适应;无需设置导数阈值;无需计算二阶导数。
附图说明
图1为本发明定义的完整峰及特征点;
图2为本发明定义的左肩峰及特征点;
图3为本发明定义的右肩峰及特征点。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
如图1、图2、图3所示,为本发明的基于一阶导数特征的峰识别算法中定义的三种峰类型。图中,向上的正三角形表示一阶导数局部最大值点,圆圈表示一阶导数零点,向下的倒三角形表示一阶导数局部最小值点。
1.完整峰
如图1所示,包含上升沿和下降沿的峰。其一阶导数包含连续的三个特征点:局部最大值点、零点、局部最小值点。
2.左肩峰
如图2所示,只含有上升沿的峰。其一阶导数包含连续的两个特征点:局部最大值点,局部最小值点,并且局部最大值点的导数绝对值大于局部最小值点的导数。
3.右肩峰
如图3所示,只含有下降沿的峰。其一阶导数必包含连续的两个特征点:局部最大值点,局部最小值点,并且局部最大值点的导数绝对值小于局部最小值点的导数。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (6)
1.一种基于一阶导数特征的峰识别算法,其特征是,包含以下步骤:
(1)定义一阶导数特征点:分别为局部最大值点、局部最小值点、零点;
(2)基于一阶导数特征点定义完整峰、左肩峰、右肩峰:
完整峰:包含连续的三个一阶导数特征点:局部最大值点、零点、局部最小值点,
左肩峰:包含连续的两个一阶导数特征点:局部最大值点、局部最小值点,并且局部最大值点的导数绝对值大于局部最小值点的导数,
右肩峰:包含连续的两个一阶导数特征点:局部最大值点、局部最小值点,并且局部最大值点的导数绝对值小于局部最小值点的导数;
(3)检测识别出所述完整峰、左肩峰、右肩峰的算法步骤。
2.根据权利要求1所述的基于一阶导数特征的峰识别算法,其特征是,检测识别出所述完整峰、左肩峰、右肩峰的算法采用搜索特征点匹配的方式定位峰,完整峰搜索定位起始点、结束点,左肩峰搜索定位起始点,右肩峰搜索定位结束点。
3.根据权利要求1或2所述的基于一阶导数特征的峰识别算法,其特征是,定义一阶导数局部最大值点过程为:
设原始数据为y=f(x),则其一阶导数为y′=f′(x),
设x=x0,ε>0,在x0的邻域d=(x0-ε,x0+ε)中有:f′(x0)≥f′(x),x∈d,则称x0是一阶导数的局部最大值点,记为x0∈DMAX,DMAX是所有一阶导数局部最大值点的集合。
4.根据权利要求3所述的基于一阶导数特征的峰识别算法,其特征是,定义一阶导数局部最小值点过程为:
设x=x0,ε>0,在x0的邻域d=(x0-ε,x0+ε)中有:f′(x0)≤f′(x),x∈d,则称x0是一阶导数的局部最小值点,记为x0∈DMIN,DMIN是所有一阶导数局部最小值点的集合。
5.根据权利要求4所述的基于一阶导数特征的峰识别算法,其特征是,定义一阶导数零点过程为:
设x=x0,f′(x0)=0,则称x0是一阶导数零点,记为x0∈DZERO,DZERO是所有一阶导数零点的集合。
6.根据权利要求5所述的基于一阶导数特征的峰识别算法,其特征是,检测识别所述完整峰、左肩峰、右肩峰的算法步骤为:
(1)输入原始数据,滤波去噪,计算一阶导数;
(2)根据一阶导数特征点的定义得到所有的一阶导数特征点ci,i=1..n,n是特征点个数;
(3)在一阶导数特征点中搜索峰:
若ci-1∈DMAX,ci∈DZERO,ci+1∈DMIN,则ci点为峰的最高点,取cj为峰的起始点,j=max(l),cl∈(DMIN∪DZERO),l<i-1,取ck为峰的结束点,k=min(m),cm∈(DMAX∪DZERO),m>i+1,标记此峰为完整峰;
若ci-1∈DMAX,ci∈DMIN,|f′(ci-1)|>|f′(ci)|,则ci点为峰的最高点及结束点,取cj为峰的起始点,j=max(l),cl∈(DMIN∪DZERO),l<i-1,标记此峰为左肩峰;
若ci∈DMAX,ci+1∈DMIN,|f′(ci)|<|f′(ci+1)|,则ci点为峰的最高点及起始点,取cj为峰的结束点,j=min(l),cl∈(DMAX ∪DZERO),l>i+1,标记此峰为右肩峰。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011101824999A CN102193900A (zh) | 2011-07-01 | 2011-07-01 | 基于一阶导数特征的峰识别算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011101824999A CN102193900A (zh) | 2011-07-01 | 2011-07-01 | 基于一阶导数特征的峰识别算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102193900A true CN102193900A (zh) | 2011-09-21 |
Family
ID=44601986
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011101824999A Pending CN102193900A (zh) | 2011-07-01 | 2011-07-01 | 基于一阶导数特征的峰识别算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102193900A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104730181A (zh) * | 2013-12-18 | 2015-06-24 | 北京普源精电科技有限公司 | 谱峰终点调整方法及具有谱峰终点调整功能的色谱工作站 |
CN109283169A (zh) * | 2018-11-22 | 2019-01-29 | 深圳市雷泛科技有限公司 | 一种鲁棒的拉曼光谱峰识别方法 |
CN111272060A (zh) * | 2018-12-05 | 2020-06-12 | 中国石油大学(华东) | 基于单对电极电容成像检测技术的非导电材料开口缺陷宽度方向尺寸量化方法 |
CN111595992A (zh) * | 2020-06-30 | 2020-08-28 | 浙江三青环保科技有限公司 | 一种在线气相色谱峰的快速寻峰方法 |
CN111767790A (zh) * | 2020-05-15 | 2020-10-13 | 山东科技大学 | 一种基于卷积神经网络的色谱峰识别方法 |
CN113607679A (zh) * | 2021-08-03 | 2021-11-05 | 浙大城市学院 | 一种基于离散极大值的太赫兹吸收峰位提取方法 |
JP2022087252A (ja) * | 2018-08-23 | 2022-06-09 | アークレイ株式会社 | 成分分析方法及び成分分析装置 |
WO2022179444A1 (zh) * | 2021-02-25 | 2022-09-01 | 华谱科仪(大连)科技有限公司 | 色谱分析系统、色谱谱图的检测分析方法及电子设备 |
CN115684737A (zh) * | 2022-10-26 | 2023-02-03 | 常州同惠电子股份有限公司 | 一种用于计算波形毛刺的算法 |
CN116399996A (zh) * | 2023-06-02 | 2023-07-07 | 海能未来技术集团股份有限公司 | 基于热导检测的有机元素分析方法、装置及电子设备 |
-
2011
- 2011-07-01 CN CN2011101824999A patent/CN102193900A/zh active Pending
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104730181B (zh) * | 2013-12-18 | 2017-10-24 | 北京普源精电科技有限公司 | 谱峰终点调整方法及具有谱峰终点调整功能的色谱工作站 |
CN104730181A (zh) * | 2013-12-18 | 2015-06-24 | 北京普源精电科技有限公司 | 谱峰终点调整方法及具有谱峰终点调整功能的色谱工作站 |
JP2022087252A (ja) * | 2018-08-23 | 2022-06-09 | アークレイ株式会社 | 成分分析方法及び成分分析装置 |
JP7262645B2 (ja) | 2018-08-23 | 2023-04-21 | アークレイ株式会社 | 成分分析方法及び成分分析装置 |
CN109283169A (zh) * | 2018-11-22 | 2019-01-29 | 深圳市雷泛科技有限公司 | 一种鲁棒的拉曼光谱峰识别方法 |
CN111272060A (zh) * | 2018-12-05 | 2020-06-12 | 中国石油大学(华东) | 基于单对电极电容成像检测技术的非导电材料开口缺陷宽度方向尺寸量化方法 |
CN111272060B (zh) * | 2018-12-05 | 2021-08-31 | 中国石油大学(华东) | 基于单对电极电容成像检测技术的非导电材料开口缺陷宽度方向尺寸量化方法 |
CN111767790A (zh) * | 2020-05-15 | 2020-10-13 | 山东科技大学 | 一种基于卷积神经网络的色谱峰识别方法 |
CN111767790B (zh) * | 2020-05-15 | 2024-01-23 | 山东科技大学 | 一种基于卷积神经网络的色谱峰识别方法 |
CN111595992A (zh) * | 2020-06-30 | 2020-08-28 | 浙江三青环保科技有限公司 | 一种在线气相色谱峰的快速寻峰方法 |
WO2022179444A1 (zh) * | 2021-02-25 | 2022-09-01 | 华谱科仪(大连)科技有限公司 | 色谱分析系统、色谱谱图的检测分析方法及电子设备 |
JP2023518627A (ja) * | 2021-02-25 | 2023-05-08 | 華譜科儀(大連)科技有限公司 | クロマトグラフィー分析システム、クロマトグラムの検出分析方法及び電子機器 |
JP7369279B2 (ja) | 2021-02-25 | 2023-10-25 | 華譜科儀(大連)科技有限公司 | クロマトグラフィー分析システム、クロマトグラムの検出分析方法及び電子機器 |
CN113607679B (zh) * | 2021-08-03 | 2022-05-27 | 浙大城市学院 | 一种基于离散极大值的太赫兹吸收峰位提取方法 |
CN113607679A (zh) * | 2021-08-03 | 2021-11-05 | 浙大城市学院 | 一种基于离散极大值的太赫兹吸收峰位提取方法 |
CN115684737A (zh) * | 2022-10-26 | 2023-02-03 | 常州同惠电子股份有限公司 | 一种用于计算波形毛刺的算法 |
CN115684737B (zh) * | 2022-10-26 | 2023-11-17 | 常州同惠电子股份有限公司 | 一种用于计算波形毛刺的算法 |
CN116399996A (zh) * | 2023-06-02 | 2023-07-07 | 海能未来技术集团股份有限公司 | 基于热导检测的有机元素分析方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102193900A (zh) | 基于一阶导数特征的峰识别算法 | |
US9235778B2 (en) | Human detection apparatus | |
CN102222226B (zh) | 一种基于先验分析的迭代式车牌字符分割方法 | |
CN107665348B (zh) | 一种变电站数字仪表的数字识别方法和装置 | |
CN105184955A (zh) | 一种纸币的识别方法和装置 | |
CN104680550A (zh) | 一种通过图像特征点的轴承表面瑕疵检测的方法 | |
CN103162669B (zh) | 航拍图像机场区域检测方法 | |
CN101944232B (zh) | 一种利用最短路径的粘连细胞精确分割方法 | |
WO2011016664A3 (ko) | 터치입력 인식방법 및 장치 | |
CN102567711A (zh) | 一种扫描识别模板制作和使用方法及系统 | |
CN105205460A (zh) | 基于最大方向编码的人脸表情特征提取及识别方法 | |
US8428046B2 (en) | Wireless network access device with positioning function and method thereof | |
CN104680142A (zh) | 一种基于特征点集分割和rst不变特征的四联指比对方法 | |
CN103886296A (zh) | 基于反馈的指纹识别方法及装置 | |
CN107748897B (zh) | 基于模式识别的大尺寸弯曲零件轮廓度质量检测方法 | |
CN102721963A (zh) | 一种宽带雷达对目标一维成像的目标特征提取算法 | |
TW200701128A (en) | Traffic lane recognition system and traffic lane deviation warning device with traffic lane recognition system and method of forming the same | |
CN103413138A (zh) | 一种红外图像序列中点目标检测方法 | |
CN103077203A (zh) | 一种重复性音视频片段的检测方法 | |
CN105631857A (zh) | 一种光学元件表面的划痕检测方法和装置 | |
KR101910453B1 (ko) | 정보표시를 위한 핵심선 추출 장치 및 방법 | |
Bastos et al. | Analysis of 2D log-Gabor filters to encode iris patterns | |
CN111189399A (zh) | 一种用于圆形工业零件尺寸的图像测量算法 | |
CN102184418A (zh) | 基于三角面积表示直方图的图像配准方法 | |
CN102214307B (zh) | 图像匹配方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20110921 |