从Python中删除信号中的尖峰

Question

我有一个来自呼吸记录的信号，例如因打哈欠而导致很多尖峰。我试图使用熊猫的滚动平均功能删除它，但它没有帮助。此图表上的绿色空间是使用滚动平均值的结果。

import pandas as pd

RESP=pd.DataFrame(RESP)
RESP_AV=pd.rolling_mean(RESP,50)

我对过滤数据知之甚少，而且我无法在大熊猫中找到任何其他方法来消除此峰值，所以我的问题是在哪里寻找答案。 RESP.head（）的结果是：

 0 -2562.863389
1 -2035.020403
2 -2425.538355
3 -2554.280563
4 -2242.438367
6.7636961937

Answer 1

我知道有两种方法可以解决这个问题：

设计更好的过滤器：

1）确定您的信号频段：

将信号的频谱图与时间信号进行比较，将非尖峰片段与尖峰片段进行比较，以确定最大有效频率（截止频率）和最小尖峰表现（停止频率）

2）设计LowPass过滤器： 如果你有matlab，请使用fdatool，如果你想使用python，请使用remez

3）使用该自定义LowPass过滤器而不是滚动平均值

如果您不喜欢结果，请重新设计滤镜（带子重量和窗口尺寸）

检测+替代：

1）删除信号的平均值。

2）使用微分滤波器和阈值来检测峰值。

3）切断信号中的所有峰值（用0＆＃39;替换它们）

4）可选过滤切割段的峰值（参见上述方法）

5）对于每个切割峰，找到切割段与没有峰值的信号之间的最大互相关系数，替换该段并产生淡入/淡出效果以平滑粘贴。

Answer 2

以下函数将从数组yi中删除最高尖峰，并用抛物线替换尖峰区域：

def despike(yi,th=1.e-8):
'''Remove spike from array yi, the spike area is where the difference between 
  the neigboring points is higher than th.'''
  y = np.copy(yi) # use y = y1 if it is OK to modify input array
  n = len(y)
  x = np.arange(n)
  c = np.argmax(y)
  d = abs(np.diff(y))
  try:
    l = c - 1 - np.where(d[c-1::-1]<th)[0][0]
    r = c + np.where(d[c:]<th)[0][0] + 1
  except: # no spike, return unaltered array
    return y
  # for fit, use area twice wider then the spike
  if (r-l) <= 3:
    l -= 1
    r += 1
  s = int(round((r-l)/2.))
  lx = l - s
  rx = r + s
  # make a gap at spike area
  xgapped = np.concatenate((x[lx:l],x[r:rx]))
  ygapped = np.concatenate((y[lx:l],y[r:rx]))
  # quadratic fit of the gapped array
  z = np.polyfit(xgapped,ygapped,2)
  p = np.poly1d(z)
  y[l:r] = p(x[l:r])
  return y

要移除许多尖峰：找到最高尖峰的位置，将此功能应用于尖峰周围的狭窄区域，重复。