如何实施半自动峰值拣选

Question

我正在研究光致发光温度系列。因此，我在不同的温度下获得了几个强度Vs能量（eV）光谱。

我的问题是到目前为止我发现的信号处理/峰值发现包（Peaks，hyperSpec，msProcess，Timp和其他质谱/化学计量学包装）并不适合我的需要：

• 峰值找不到“肩膀”（峰值位置太近，形成混合峰值（见3.75 eV））
• hyperSpec和msProcess对我的使用过于自动化：光致发光峰的位置取决于温度，因此峰值识别在温度系列中不可重复。

我认为我应该实施的是：能够检测峰值的东西。肩膀（自动或使用locate()进行原始估计），要求手动识别找到的峰值，并输出每个峰值的标签，位置，强度和FWHM。这样我就可以准确地跟踪给定峰值（由其标签识别）在温度系列上的位置，强度和FWHM。

以下是温度序列图的示例：

所以我的问题是：

1. 您是否知道已经实现类似功能的软件包？
2. 你认为我建议的做法是明智/可行吗？

非常感谢！

Thibaud Ruelle

PS：我希望我很清楚，不要犹豫要求我澄清。 PS2：我希望问题不是太笼统，如果需要，我可以提供一个典型的频谱。

Answer 1

免责声明：我从未亲自做过任何严重的峰值拟合。

话虽如此，我在这里看到两种方式，最终可能没有那么不同：

• 功能数据分析，如@baptiste所说。
• 拟合预定数量的已知形状的峰（例如，高斯或洛伦兹或Voigt） 然后使用这些的拟合参数作为新功能集进行进一步分析 FWHM将在拟合参数中编码。

哪种方法更适合您，可能取决于您计划的进一步分析。

更多点点滴滴：

• 当您正在寻找肩膀时，一阶导数将不允许您检测所有峰值。您可以从第二衍生物的最小值获得足够有用的峰值拟合起点。然而，对于仅在某个较大峰值处显示为肩峰的峰值，这些位置将非常偏离（在较大峰值的低强度侧太远）。 封装信号实现了Savitzky-Golay滤波器，可以帮助实现这种方法。
• 反卷积可能是检测峰位置的更好选择。
• 您应该知道，这些方法会迅速“消耗”您的信噪比，如果您的基线低于峰值，解决方案可能会大大减少。我不知道fda在这方面是否更好，但我怀疑它是你试图解决的问题所固有的 您需要检查您获得的解决方案的稳定性。 SNR和可能的基线。

（不，hyperSpec不提供这样的东西。但是，如果你最终使用普遍适用的功能，欢迎你通过hyperSpec分发它，它仍然可以是你自己的包如果这是一个实质性的编程工作，你可以考虑申请谷歌夏季代码项目 - 今年的申请期即将开始。）