标记信号

Question

我想知道是否有一种简单有效的方法来标记信号，这是一种信号，来自连接到监视器的光电二极管，收集有关其亮度变化的信息。亮度突然改变。

在下图中，我已经指出了从一个亮度变化到较高值的信号。

现在，问题是，我不知道用“标记”“标记”聚集信号的最佳方法是什么，即。亮度发生变化时的信息。不幸的是，我没有任何代码要审查，因为，说实话，我不知道从哪里开始。我将非常感谢您的提示和建议。提前谢谢。

PS使用一种将标记放在正确位置的方法至关重要。上图中信号的采样频率为1024 Hz，x比例以秒表示。

示例数据： http://www.filedropper.com/data_6

更新10.02.2015

当我试图找到我的问题的解决方案时，我得到了一个可能是一条好路的想法。

我在信号上使用了低通滤波器，即

# File name "Filters.py"

import scipy.signal as ss

def filt(sig, sf, cf, btype='higphass'):
    """
    :param sig: signal.
    :param sf: sampling frequency.
    :param cf: cut frequencies - array.
    :param btype: bandpass type.
    :return: bandpassed signal.
    """
    if btype == 'higphass' or btype == 'lowpass':
        b, a = ss.butter(3, Wn=cf/(0.5*sf), btype=btype, analog=0, output='ba')
        return ss.filtfilt(b, a, sig)
    elif btype == 'bandstop' or btype == 'bandpass':
        b, a = ss.butter(3, Wn=(cf[0]/(0.5*sf), cf[1]/(0.5*sf)), btype=btype, analog=0, output='ba')
        return ss.filtfilt(b, a, sig)

...用于40赫兹切割：

import IBD.ElectricalStimulation.Filters as filt

filtered = filt.filt(signal, 1024, 40, btype='lowpass')
py.plot(time_scale, filtered)

...给了我：

接下来，我推导出步骤（n）等于1的滤波后的信号，然后将其提升到2的幂。

# Derivate signal.
step = 1
accuracy_range = 9
derivative = np.diff(filtered, n=step)
derivative = np.append(derivative, np.zeros(step)) ** 2
derivative[derivative > accuracy_range] = np.max(filtered)
derivative[derivative < accuracy_range] = 0
py.plot(time_scale, derivative)

结果是：

现在的问题是，我不能“标记”每一个事件。一些微光变化很低，可以通过衍生操作“看到”。

Answer 1

行。所以我找到了解决问题的有效方法。它并不完美，但它确实有效。目前。它看起来如下：

def walk_on_the_beach(sig, t, interval=1000):
    """
    :param sig: signal.
    :param t: threshold.
    :param interval: interval between next value check (ms).
    """
    last_value = 0
    interval_flag = True
    interval_iterator = 0
    markers = np.zeros(np.size(sig))
    for i in np.arange(np.size(sig)):
        absolute = np.abs(last_value - sig[i])
        last_value = sig[i]
        if interval_flag:
            if absolute > t:
                markers[i] = np.max(sig)
                interval_flag = False
        else:
            if interval_iterator == interval:
                interval_flag = True
                interval_iterator = 0
            else:
                interval_iterator += 1

    return markers

py.plot(time_scale[:100000], walk_on_the_beach(filtered, 0.02))