信息处理 - 您将如何使用机器学习进行峰值检测？ - 吾爱随笔录

信息处理噪音信号检测时间序列峰值检测

2022-02-10 21:02:57

我有一个嘈杂的信号，我正在尝试找到一种使用 ML 检测峰值的方法。“峰”很容易像人类一样找到，因为它们是有节奏的并且具有相同的“一般”形状，但所需峰的幅度和宽度可能因样本而异。

基本上我不能只写一个简单的方法来检测峰值，所以我想知道我是否可以使用 ML 来训练一个可以学习更准确地找到峰值的模型。我是 ML 新手，所以虽然我了解 CNN、RNN 和 LSTM 是什么，但我不知道在我的场景中哪个有用。

3个回答

老实说，我不认为 CNN、RNN 和 LSTM 对这类问题有用——带通滤波器后跟阈值就可以了。

现在，这将具有三个参数：

而通常所说的“机器学习”只不过是在多维字段上找到具有实际价值的一些（损失）函数的局部最小值。
你去 - 三个维度，找到那个三维参数字段中的点，当用于参数化过滤器阈值算法时，会产生最接近你手动标记的点。

您可以很好地尝试使用神经网络解决这个问题！但老实说，如果我要为这个问题编写一个优化器，它可能会查看你的信号频谱，通过 STFT 识别感兴趣的频率，然后只扫描剩余的阈值参数以找到一个好的解决方案。

是的，您可以将深度学习应用于峰值检测。1D CNN 将适合此任务。

以下是此类应用的示例：Risum、Anne Bech 和 Rasmus Bro。“使用深度学习评估色谱数据中的峰。” 塔兰塔 204（2019）：255-260。

您需要有注释数据。

如果您决定坚持使用经典算法，请尝试使用突出的峰值检测，这在 Matlab 和 Python 中都可用。

这是质谱法的一个例子。在 2D 数据集中查找峰值。

我认为当您对某种峰感兴趣时，NN 方法很有用。就像在这个例子中一样，作者对具有某些属性的峰感兴趣，而其他峰被归类为噪声。NN 提供了一种机制，可以仅从提供的（标记的）示例中学习有效峰的任意特征。

其它你可能感兴趣的问题