如何使用python从离散采样数据点获得最高的两个峰值？

Question

我有一辆距离它更远的车辆的雷达数据，雷达输出一个 .csv 文件。一旦雷达检测到某些东西，幅度列就会从 0 切换到 1 并开始输出值，并将其绘制出来。例如，这里：

当Distance/Amplitude的列从0变为数字时，可以推断目标已经被雷达发现。所以绘制第一个实例的行给出了这个蓝色波浪

如果我们绘制它下面的行，我们得到这个，

雷达放在后面，所以目标正在远离它。 x-axis 表示距离乘以 0.077 米。因此，对于第一个蓝色波浪，雷达记录的距离为 37*.077 米。我想知道是否有一种方法可以从 .csv 文件中获取一系列值以考虑两个峰值，例如：我想知道如何从蓝波中获取前两个峰值，得到x-axis 它们的坐标，然后得到它们的中点并追踪橙色，即第一行下方的第二行。

我已将 .csv 文件附在下方。 https://drive.google.com/file/d/1IJOebiXuScjLPytemulcXph7ZB1X65wU/view?usp=sharing

我有一个算法可以获取第一次命中和最后一次命中的索引，例如，当从 0 切换到一个值以及从一个值切换到零时，这些让我能够捕捉到雷达检测到目标。这在我使用雷达直接给出的值（例如距离和振幅值）时很有帮助，但现在我需要一整行，我不知道如何进行。我不知道 Pandas 或 Numpy 是否有方法可以用来处理这个问题

Answer 1

有几种获取峰的方法，从而得到两个峰的位置。获取数据集的导数。导数数据与 x-axis 相交的点将是原始数据的波峰和波谷。在这样做的同时，您还可以获取那些峰谷的指数。从那里，您可以遍历原始数据中的这些点以获得两个最大值及其索引。

看起来像这样：



import matplotlib.pyplot as plt
import numpy as np


# My data set (example is a crazy cosine wave)
x = np.linspace(1, 100, 1000)
y = np.cos(x*0.5)*((x - 50)**3)

# Find first derivative:
m = np.diff(y)/np.diff(x)

# Get indicies of peaks and valleys
c = len(m)
indices = []
for i in range(1, c):
    prev_val = m[i-1]
    val = m[i]
    if prev_val < 0 and val >= 0:
        indices.append(i)
    elif prev_val > 0 and val <= 0:
        indices.append(i)

# Get the values, positions, and indicies of the two peaks
max_list = [0, 0]
index_list = [0, 0]
pos_list = [0, 0]
for index in indices:
    val = y[index]
    if val > max_list[0]:
        max_list[0] = val
        index_list[0] = index
        pos_list[0] = x[index]
    elif val > max_list[1]:
        max_list[1] = val
        index_list[1] = index
        pos_list[1] = x[index]


print('Two peak indices:', index_list)
print('Two peak values:', max_list)
print('Two peak x-positions:', pos_list)

average_pos = (pos_list[0] + pos_list[1])/2

print('Average x-position:', average_pos)



plt.plot(x, y)
plt.show()

如何使用python从离散采样数据点获得最高的两个峰值？

How to get the highest Two peak values from a discrete sampled data point using python?

python

csv

algorithm

pandas