24小时热门版块排行榜

南方科技大学公共卫生及应急管理学院2026级博士研究生招生报考通知（长期有效）

返回列表

本帖产生 1 个博学EPI ，点击这里进行查看

平凡的世界

金虫 (正式写手)

应助: 0 (幼儿园)
金币: 1982.6
散金: 20
帖子: 346
在线: 28.6小时
虫号: 346333
注册: 2007-04-15
性别: GG
专业: 有机合成

[交流] 请高手帮忙——用编程的方法描述曲线的变化

毕业在即，有一个问题始终没有解决，请高手用编程的方法描述曲线的变化，内容要求如下：

主要是根据斜率变化规律找到峰的位置、高度（就是顶点的纵坐标和横坐标值）峰的宽度（终点与起点横坐标之差），拜托了！！

对于一个典型谱峰而言，我们很容易发现谱图斜率有以下规律：上升阶段斜率是正值，在顶点时，斜率为零，下降阶段斜率为负值，最后回到基线。根据有机谱图中出现谱峰时信号斜率变化特点，我们提出一种新的谱峰识别方法——斜率变化法。
有机谱图经过前面的滤噪处理后，对谱图的信号曲线进行取导运算，得到的就是该有机谱图的斜率曲线，然后根据信号斜率的变化来进行谱图识别工作。图4.8是有机谱图中的原始谱峰信号与谱峰信号的斜率对应图，上面的是一个完整的谱峰信号，下面是信号曲线对应的斜率示意图。
为了检测到谱峰的出现，需要设定一个斜率阈值，设为M。在理想状况下，当开始出现谱峰时，该点的斜率值会大于设定的阈值M，该点可以记为峰的起点位置（Ha）；当峰达到最高点时，斜率值变为零，此时位置记为峰的顶点（Hh）；当谱峰结束时，斜率的值会近似等于（—M），此时位置记为峰的终点（Hb）。
有机谱图经过滤噪后可以变得平滑，但谱图对应的斜率曲线却不一定很光滑，如果直接用来识别会有一定难度，甚至会造成识别失败。因为斜率曲线的如果在谱峰起点处有轻微的波动的化，可能会造成误判，谱图识别就不可能成功。

            图4.8 斜率变化法检测谱峰示意图

为了使识别结果更加稳定可靠，我们需要综合考虑各种因素的影响，本文提出在数据分组的基础上进行谱图识别，成功率较高。我们先把信号的斜率数据进行分组，再分别对每个小组数据进行状态判断。虽然计算量有所增加，但识别的稳定性和准确度都有所提高。该识别方法的具体步骤如下：
1)定义一个整形变量Star表示信号在不同时刻的状态。其中：Star = 0表示信号属于基线状态，Star = 1表示信号可能要出谱峰，Star = 2表示信号正处于谱峰状态，Star = 3表示信号已经经过谱峰的最高点，正处于回落的状态。
2)定义一个整形变量X用来记录采样状态。对信号斜率值按每3个为一组进行分组。在同一组中，如果信号斜率值大于设定斜率阈值M，则X增加1，如果信号斜率值小于设定斜率阈值—M，则X减1，其它情况下X值保持不变。这样得到各小组的X值范围为[ —3, 3]。X在循环中是临时变量，可以反复使用，不必设为数组。
3)定义谱峰开始标志Ha和谱峰峰结束标志Hb。如果检测到开始出现谱峰，则Ha= 1；如果是谱峰结束状态，则Hb= 1；其它情况下，Ha = 0,  Hb= 0。
4)用循环方法计算各小组的变量X的值，并根据数值进行谱峰状态识别。
5）建立一个Cpeak类来保护谱峰的起点和终点的位置，将每个谱峰的位置存入Cpeak类对象中。

回复此楼