如何精准获取曲线峰值左右最低点以计算特定区域面积？

针对你已识别出平滑后pulse数据峰值的情况，以下是几个避免假极小值、精准获取每个峰值左右最低点的实用方法：

1. 限定搜索区间（核心思路） #

假极小值大多来自峰值以外的噪声波动，通过把每个峰值的搜索范围限制在相邻峰值之间，可从根源上排除无关区域干扰：

• 第i个峰值的左搜索区间：上一个峰值位置（或数据开头）到当前峰值
• 右搜索区间：当前峰值到下一个峰值位置（或数据结尾）
• 在区间内用np.argmin直接定位最低点

示例代码：

import numpy as np

# 已有的峰值索引数组、平滑后pulse数据
peak_indices = np.array([...])
smoothed_pulse = np.array([...])

left_min_indices = []
right_min_indices = []

for i, peak_idx in enumerate(peak_indices):
    # 处理左侧最低点
    left_start = peak_indices[i-1] if i > 0 else 0
    left_end = peak_idx
    left_min_pos = left_start + np.argmin(smoothed_pulse[left_start:left_end])
    left_min_indices.append(left_min_pos)
    
    # 处理右侧最低点
    right_end = peak_indices[i+1] if i < len(peak_indices)-1 else len(smoothed_pulse)
    right_start = peak_idx
    right_min_pos = right_start + np.argmin(smoothed_pulse[right_start:right_end])
    right_min_indices.append(right_min_pos)

2. 阈值过滤假极小值 #

若区间内仍有噪声导致的微小波动（假极小值），可通过设定阈值过滤：

• 设定比例阈值（比如极小值需低于对应峰值的30%-50%，根据数据调整）
• 若找到的"最低点"高于阈值，向峰值方向遍历直到找到符合条件的点

示例代码：

threshold_ratio = 0.4  # 极小值需低于峰值的40%
filtered_left_min = []
filtered_right_min = []

for i, peak_idx in enumerate(peak_indices):
    peak_val = smoothed_pulse[peak_idx]
    # 过滤左侧
    current_left_idx = left_min_indices[i]
    current_left_val = smoothed_pulse[current_left_idx]
    left_start = peak_indices[i-1] if i > 0 else 0
    while current_left_val > peak_val * threshold_ratio and current_left_idx > left_start:
        current_left_idx -= 1
        current_left_val = smoothed_pulse[current_left_idx]
    filtered_left_min.append(current_left_idx)
    
    # 过滤右侧
    current_right_idx = right_min_indices[i]
    current_right_val = smoothed_pulse[current_right_idx]
    right_end = peak_indices[i+1] if i < len(peak_indices)-1 else len(smoothed_pulse)
    while current_right_val > peak_val * threshold_ratio and current_right_idx < right_end:
        current_right_idx += 1
        current_right_val = smoothed_pulse[current_right_idx]
    filtered_right_min.append(current_right_idx)

3. 结合pH值辅助验证 #

因为pulse的作用是维持pH低于7.4，当pH≥7.4时，泵频率应处于基线水平（即最低点），可利用这一业务逻辑辅助定位：

• 先提取所有pH≥7.4的索引作为基线候选点
• 为每个峰值找最近的左侧/右侧基线点，若无基线点则退回到区间内的最低点

示例代码：

ph_values = np.array([...])  # pH数据列
baseline_indices = np.where(ph_values >= 7.4)[0]

# 定位左侧最低点
left_min_indices = []
for peak_idx in peak_indices:
    valid_baselines = baseline_indices[baseline_indices < peak_idx]
    if len(valid_baselines) > 0:
        left_min_idx = valid_baselines[-1]
    else:
        left_min_idx = np.argmin(smoothed_pulse[:peak_idx])
    left_min_indices.append(left_min_idx)

# 定位右侧最低点
right_min_indices = []
for peak_idx in peak_indices:
    valid_baselines = baseline_indices[baseline_indices > peak_idx]
    if len(valid_baselines) > 0:
        right_min_idx = valid_baselines[0]
    else:
        right_min_idx = peak_idx + np.argmin(smoothed_pulse[peak_idx:])
    right_min_indices.append(right_min_idx)

组合使用建议 #

实际场景中可结合三个方法：先通过区间限定缩小搜索范围，再用pH基线验证锁定候选点，最后用阈值过滤排除剩余假极小值，最大程度保证定位精准性。

内容的提问来源于stack exchange，提问作者Samuele Auteri