segnale scipy find_peaks_cwt che non trova i picchi con precisione?

Question

Ho un segnale 1-D in cui sto cercando di trovare i picchi. Sto cercando di trovarli perfettamente.

Attualmente sto facendo:

import scipy.signal as signal 
peaks = signal.find_peaks_cwt(data, np.arange(100,200)) 

Il seguente è un grafico di macchie rosse che mostrano la posizione dei picchi come si trova da find_peaks_cwt().

Come si può vedere, i picchi calcolati non sono sufficientemente accurate. Quelli che sono veramente importanti sono i tre sul lato destro.

La mia domanda: Come posso renderlo più preciso?

UPDATE: I dati qui: http://pastebin.com/KSBTRUmW

Per alcuni retroscena, quello che sto cercando di fare è individuare lo spazio in-tra le dita in un'immagine. Ciò che viene tracciato è la coordinata x del contorno attorno alla mano. Macchie cian = picchi. Se c'è un approccio più affidabile/robusto, per favore lascia un commento.

Answer 1

risolto, soluzione:

Filtrare i dati prima:

window = signal.general_gaussian(51, p=0.5, sig=20) 
    filtered = signal.fftconvolve(window, data) 
    filtered = (np.average(data)/np.average(filtered)) * filtered 
    filtered = np.roll(filtered, -25) 

Quindi utilizzare angrelextrema come per la risposta di rapelpy.

Risultato:

Answer 2

A cura dopo aver ottenuto i dati grezzi.

argelmax e arglextrma sono fuori gara.

La curva è molto rumorosa, quindi è necessario giocare con una larghezza di picco ridotta (come indicato in precedenza) e il rumore.

Il migliore che ho trovato sembra non molto buono.

import numpy as np 
import scipy.signal as signal 

peakidx = signal.find_peaks_cwt(y_array, np.arange(10,15), noise_perc=0.1) 
print peakidx 

[10, 100, 132, 187, 287, 351, 523, 597, 800, 1157, 1451, 1673, 1742, 1836] 

Answer 3

C'è una soluzione molto più semplice di utilizzare questa funzione: https://gist.github.com/endolith/250860 che è un adattamento di http://billauer.co.il/peakdet.html

ho appena provato con i dati che hai fornito e io ottenuto il risultato qui sotto. Non c'è bisogno di pre-filtraggio ...

Godetevi :-)