精华内容
下载资源
问答
  • 分析比较了光纤布拉格光栅(FBG)传感解调系统的6种寻峰算法:蒙特卡罗(Monte Carlo)算法、直接比较法、二次插值数值微分法、一般多项式拟合法、多项式-高斯公式拟合法和高斯公式非线性曲线拟合法。通过分析算法理论...
  • 国外的大师级的寻峰算法,带详细注释
  • matlab自动寻峰算法,超级强大,直接可用
  • 寻峰算法-c#

    热门讨论 2014-06-12 15:42:20
    寻峰算法,一个不错的算法,用C#开发,需要的人下载
  • 寻峰算法总结报告

    2021-05-25 02:20:47
    闭合重峰、波峰定位、寻峰算法报告自动寻峰由于谱结构的复杂和统计涨落的影响,从谱中正确地找到全部存在的峰是比较困难的。尤其是找到位于很高本底上的弱峰,分辨出相互靠得很近的重峰更为困难。谱分析对寻峰方法的...

    闭合重峰、波峰定位、寻峰算法报告

    自动寻峰

    由于谱结构的复杂和统计涨落的影响,从谱中正确地找到全部存在的峰是比较困难的。尤其是找到位于很高本底上的弱峰,分辨出相互靠得很近的重峰更为困难。

    谱分析对寻峰方法的基本要求如下:

    (1) 比较高的重峰分辨能力。能确定相互距离很近的峰的峰位。

    (2) 能识别弱峰,特别是位于高本底上的弱峰。

    (3) 假峰出现的几率要小。

    (4) 不仅能计算出峰位的整数道址,还能计算出峰位的精确值,某些情况下要求峰位的误差小于0.2道。

    很多作者对寻峰方法进行了研究,提出了很多有效的寻峰方法。

    寻峰的目的 :

    判断有没有峰存在

    确定峰位(高斯分布的数学期望),以便把峰位对应的道址,转换成能量

    确定峰边界——为计算峰面积服务(峰边界道的确定,直接影响峰面积的计算)

    分为两个步骤:谱变换和峰判定

    要求:支持手动/自动寻峰,参数输入,同时计算并显示峰半高宽、精确峰位、峰宽等信息,能够区分康普顿边沿和假峰

    感兴区内寻峰

    人工设置感兴趣大小,然后在感兴区内采用简单方法寻峰

    重点研究:对感兴区内的弱峰寻峰、重峰的分解

    对于一个单峰区,当峰形在峰位两侧比较对称时,可以由峰的FWHM计算峰区的左、右边界道址。峰区的宽度取为3FWHM,FWHM的值可以根据峰位mp由测量系统的FWHM刻度公式计算。由于峰形对称,左、右边界道和峰位的距离都是1.5FWHNM。

    式中mp是峰位,INT的含义是取整数。

    对于存在有低能尾部的峰,其峰形函数描述(参见图)。

    ,m≥mp-J

    ,m≤mp-J

    式中H为峰高,mp为峰位,是高斯函数的标准偏差,J为接点的道址和峰位之间的距离。在峰位的左侧,有一个接点,其道址为mp-J。在接点的右侧,峰函数是高斯函数。在接点的左侧,峰函数用指数曲线来描述。这时峰区的左、右边界道址为

    带有低能尾部的峰函数的图形

    全谱自动寻峰

    基于核素库法:能量刻度完成后,根据核素库中的能量计算对应的道址,在各个道址附近(左右10道附近)采用简单的寻峰方法(导数法)

    方法:

    根据仪器选择开发

    IF函数法/简单比较法(适于寻找强单峰,速度快)

    满足条件: 可认为有峰存在

    然后在data i-m至data i+m中找最大值,对应的道值即为峰位

    k:找峰阈值,根据高斯分布,一般k取值1—1.5

    常用5点、7点极大值法(m取2,3)

    判定峰是否有意义

    一般,用R=N0 / Nb≥ R0确定峰是否有意义

    R为峰谷比, R0为设定值 (经验值)

    N0为净峰幅度与基底之和

    Nb为基底计数

    int CMmcaView::SearPeakCompare(int Beginch, int Endch, int m, float k)

    高斯乘积函数找峰法(可靠性差,不建议采用)

    描述谱峰形状的函数主要是高斯函数则由相邻的数据点定义一个新的函数(第一高斯乘积函数,只与有关):

    m是步长(用道表示),是高斯乘积函数的阶数,则Pm(i)称为第m阶高斯乘积函数。找峰的灵敏度与m有关,随m的增加灵敏度提高。

    为避免基线参数的影响,最好扣除本底后,再应用高斯乘积函数找峰。

    考虑统计涨落的影响,把判断无峰存在的1变为一个"单位带"。即峰的判断为:

    峰位的确定:由Pm(i)过1的两点求平均来确定;峰边界的确定:"单位带"下限的两个最端点;半高宽的确定:函数Pm(i)在"1"上的截距;组合峰的确定:在乘积函数的两个峰之间没有处于"带内"的乘积函数值

    导数法(一阶、二阶、三阶)

    Nm为规范化常数,Cj平滑的变换系数。

    3次多项式5点光滑一阶导数公式:(可以采用)

    峰位确定:一阶导数值由正变负=0处;峰边界确定:一阶导数由负变正=0处

    CalculateDifferential(0, size, m, differ);

    for (int j = m; j <= size-m; j++)

    {

    for(int i=1;i<=m;i++)

    {

    if(differ[j-i])>0&&differ[j-i]>maxtemp) {maxtemp=differ[j-i]; nmax=j-i;}

    if(differ[j+i])<0&&differ[j+i]}

    if ((nmin-nmax)>0.8fwhm && (nmin-nmax)❤️fwhm)

    //FWHM参数根据仪器能量分辨率可人工确定,fwhm~20

    peakposition[p++]=j+0.5;//保持峰位对应的道址

    }

    5点光滑二阶导数公式(软件中推荐采用)

    //7点二阶导数(5*(countsdata[j-3]+countsdata[j+3])-3*(countsdata[j-1]+countsdata[j+1])-4*countsdata[j])/42;

    软件中推荐采用11点以上的公式

    峰位确定:二阶导数最小值对应的道址;峰边界确定:二阶导数正极大值点

    for (int j = m; j <= size-m; j++)//m~30

    {

    int maxtemp=-0.5,mintemp=-0.5;

    If(differ[j]

    for(int i=1;i<=m;i++)

    {

    if(differ[j-i]>maxtemp) {maxtemp=differ[j-i]; nmax=j-i;}

    if(differ[j+i]>mintemp) {mintemp=differ[j+i]; nmin=j+i;}

    }

    if ((nmin-nmax)>0.8fwhm && (nmin-nmax)❤️fwhm)

    //FWHM参数根据仪器能量分辨率可人工确定,fwhm~20

    peakposition[p++]=j+0.5;//保持峰位对应的道址

    }

    试验:系列1为处理后的原始能谱,系列2为5点一阶导数,系列3为5点二阶导数,系列4为对称零面积法寻峰

    只要选择好合适的寻峰阈值,足以满足准确寻找到全能峰,并剔除假峰(如康普顿边沿,反散射峰)

    5点光滑三阶导数公式判定各感兴区是单峰还是重峰

    峰位确定:三阶导数由负变正=0处;峰边界确定:三阶导数由正变负=0处

    判定峰是否有意义0.8FWHM ≤ N ≤ 3FWHM

    峰高判定条件

    这个公式就是在一阶导数法寻峰程序中实际应用的峰高判定条件。

    CalculateDifferential(Beginch, Endch, m, differ);

    int CMmcaView::SearPeakDifferential(int Beginch, int Endch, int fwhm, int differ[], int m)

    {

    int n1=0, differ[Endch-Beginch+1], nmax=0, nmin=0, maxtemp, mintemp,temp;

    maxtemp=differ[0]; mintemp=differ[0];

    for (int j = 1; j <= Endch-Beginch; j++)

    {

    temp=differ[j-1];

    if(_copysign(temp,differ[j])!=differ[j-1] && differ[j]<0) n1=j+Beginch;

    if(differ[j]maxtemp) {maxtemp=differ[j]; nmax=j+Beginch;}

    }

    if ((nmin-nmax)>0.8fwhm && (nmin-nmax)❤️fwhm) return n1;

    else return (0);

    }

    对称零面积法(推荐自动寻峰中采用,可探测弱峰和重峰)

    面积为零的"窗"函数与实验谱数据进行褶积变换,且要求"窗"函数为对称函数。对线性基底的褶积变换将为零,只有存在峰的地方不为零。

    匹配滤波器法(类峰形函数)

    峰判定准则

    2m+1为变换宽度,为峰宽参数,若变换后的y’和其均方根误差的比值超过预先给定的寻峰阈值(f),则认为找到了一个峰。

    峰位的确定:Ri的正极值对应的道址;峰边界的确定:Ri的正峰两边相邻的两个极小值之间的距离可以作为峰的宽度信息;半宽度:两过零截距。

    CalculateArea(0, size, m, fwhm, area, R);

    for (int j = m; j <= size-m; j++)

    {if(area[j]>0&&R[j]>fh)

    for(int i=1;i<=m;i++)

    {

    if(area[j-i])>0&&area[j-i]if(area[j+i])>0&&area[j+i]}

    if ((nmin2-nmin1)>0.6fwhm && (nmin2-nmin1)<=2fwhm)

    peakposition[p++]=j+0.5;//保持峰位对应的道址

    }

    协方差法(曲线拟合寻峰,计算机寻峰中采用,可分辨重峰,比较好的寻峰方法,但计算较为复杂,运算速度较慢)

    1975年H.P.BLOK等提出了一种新的寻峰方法,称为协方差法。用一个峰形函数与实验谱数据逐段拟合(一个高斯形函数与实验谱yi的协方差)

    ,Cj为峰形/高斯函数H为峰FWHM,y’i为拟合峰高,bi为本底常数(在峰区内假定不变)

    用(f判峰阈值)判定是否存在峰

    Cj通常为纯峰形函数,H为峰的FWHM

    gj为各道计数的权重因子

    参数选择:H的取值最好与实验谱峰的半宽度接近,2m+1一般取2H左右最好,f一般取2~5

    峰位确定:当Ri为极大值对应的道址;峰边界确定: Ri为负极大值处对应的道址

    为了更好地分辨出落在一个强峰’肩部’上的弱峰,可以在一个峰的左半部分和右半部分别计算Ri值,寻找相互靠得很近的组分峰。

    线性拟合寻峰方法(适合于在峰区内分辨重峰)

    吸取匹配滤波器方法的优点,同时用一阶导数法和线性拟合双重峰的技术来提高分辨重峰的能力,形成了一种新的寻峰方法,称为线性拟合寻峰方法。

    Deconvolution method

    First the background is removed (if desired), then Markov spectrum is calculated (if desired), then the response function is generated according to given sigma and deconvolution is carried out.

    可以提供多种算法,方便自行选择

    总结

    1.对于弱峰,数据光滑前,高斯乘积函数法和协方差法不能使用,若先光滑再找峰,又容易影响重叠峰的分辨;而导数法和对称零面积变换法,无论峰的统计质量如何,均可使用。

    2.从统计假峰及高基底的抑制能力及重峰的分辨能力来看,一、三阶导数法和对称零面积变换法是较好的。对于一、三阶导数法,可先用适当多数据点的一阶导数法找峰,选取适当的灵敏度常数,以抑制假峰;然后用少点的三阶导数法(或用一阶导数法重复三次)检查是否有漏峰和重峰。对称零面积变换法同理。

    3.从高基底的抑制能力和弱峰识别的准确度来看,对称零面积变换法最好。(在计算机自动找峰程序中,最好采用对称零面积变换法。)

    参考资料

    对找到的峰进行净面积判定是降低假峰出现几率的有效方法。当峰的净面积比峰的总面积(峰的净面积和本底面积之和)的标准偏差大若干倍时,才确认该峰是一个真峰,否则认为它是假峰,予以剔除。

    峰的判弃主要是利用峰面积来进行判定真假峰。对于给定的灵敏因子S,若峰的净面积为NetAREA,峰的宽度为Width。这些参数满足下式认为峰有意义,应保留,否则将找到的此峰丢弃。此式为:

    S越大灵敏度越高,一般情况下S=3。

    参考文献

    SPECTRAN-F Version 2 Listings Volume.4 Common Subroutines and Data structures, CANBERRA Industries, Inc. 1980

    能谱的数据处理(原文).doc

    M.A.Mariscotti, Nucl. Instr. Meth. 50 (1967) 309

    Mariscotti Algorithm modified by Routti and Prussin:

    J.T.Routti and S.G.Prussin, Nucl. Instr. Meth. 72 (1969) 125

    展开全文
  • 该楼层疑似违规已被系统折叠隐藏此楼查看此楼本人不懂matlab,现在有网上找的线程的寻峰算法函数,我已经可以从程序中调用,但是对数学这块不懂,我不知道该传什么样的参数值,以下是.m寻峰算法的说明,代码有点多,...

    该楼层疑似违规已被系统折叠 隐藏此楼查看此楼

    本人不懂matlab,现在有网上找的线程的寻峰算法函数,我已经可以从程序中调用,但是对数学这块不懂,我不知道该传什么样的参数值,以下是.m寻峰算法的说明,代码有点多,在2楼发

    % autofindpeaks(x,y,SlopeThreshold,AmpThreshold,smoothwidth,peakgroup,smoothtype)

    % Automatic peak finder that locates and measures the positive peaks in a

    % noisy x-y time series data. similar to findpeaksG or findpeaskSG except

    % that the peak detection parameters SlopeThreshold, AmpThreshold,

    % smoothwidth, peakgroup, smoothtype can be omitted and the function will

    % calculate trial values based on the number of data points and/or the

    % optional peak density (the last of 3 arguments after x and y). Returns a

    % table (P) of peak number, position, absolute peak height, peak-valley

    % difference, perpendicular drop area, and tangent skim area of each peak.

    % Detects peaks by looking for downward zero-crossings in the first

    % derivative whose upward slopes exceed SlopeThreshold. If Peakgroup=0 the

    % local maximum is taken as the peak height and position. For best results,

    % remove the background from the data before using this function. Optional

    % input arguments "slopeThreshold", "ampThreshold" and "smoothwidth"

    % control peak sensitivity of each segment. Higher values will neglect

    % smaller features. "Smoothwidth" is a vector of the widths of the smooths

    % applied before peak detection; larger values ignore narrow peaks. If

    % smoothwidth=0, no smoothing is performed. "Peakgroup" is a vector of the

    % number points around the top part of the peak that are taken for

    % measurement. The argument "smoothtype" determines the smooth algorithm:

    % If smoothtype=1, rectangular (sliding-average or boxcar) If

    % smoothtype=2, triangular (2 passes of sliding-average) If smoothtype=3,

    % pseudo-Gaussian (3 passes of sliding-average)

    % Run testautopeaks.m to test and demonstrate this function.

    % In version 1.1, [P,DetectionParameters]=autofindpeaks...also returns the

    % peak detection parameters as a 4-element row vector.

    % See http://terpconnect.umd.edu/~toh/spectrum/Smoothing.html and

    % http://terpconnect.umd.edu/~toh/spectrum/PeakFindingandMeasurement.htm

    % (c) T.C. O'Haver, 2016. Version 1.1, February, 2017

    %

    % The script testautofindpeaks.m runs all the examples below, additionally

    % plotting the data and numbering the peaks (like autofindpeaksplot.m)

    %

    % Example 1: One input argument; data in single vector

    % x=[0:.01:5];y=sin(10*x);autofindpeaks(y);

    %

    % Example 2: One input argument; data in two columns of a matrix

    % x=[0:.01:5]';y=x.*sin(x.^2).^2;M=[x y];autofindpeaks(M);

    %

    % Example 3: Two input arguments; data in separate x and y vectors

    % x=[0:.1:100];y=(x.*sin(x)).^2;autofindpeaks(x,y);

    % or x=[0:.005:2];y=humps(x);P=autofindpeaks(x,y)

    %

    % Example 4: Additional input argument (after the x,y data) to control

    % peak sensitivity; higher numbers for more peaks:

    % x=[0:.1:10];y=5+5.*sin(x)+randn(size(x));autofindpeaks(x,y,3);

    % or x=[0:.1:100];y=5+5.*cos(x)+randn(size(x));autofindpeaks(x,y,10);

    % or x=[0:.1:1000];y=5+5.*cos(x)+randn(size(x));autofindpeaks(x,y,100)

    %

    % Example 5: Seven input arguments. Specify all peak detections parameters

    % x=1:.2:100;

    % y=gaussian(x,40,10)+gaussian(x,50,10)+.01.*randn(size(x));

    % autofindpeaks(x,y,0.00026015,0.031007,19,21,3)

    %

    % Example 6: Seven input arguments. Specify all peak detections parameters, in

    % this case using vectors to optimize for peaks with very different widths.

    % x=1:.2:100;

    % y=gaussian(x,20,1.5)+gaussian(x,80,30)+.02.*randn(size(x));

    % plot(x,y,'c.')

    % P=autofindpeaks(x,y,[0.001 .0001],[.2 .2],[5 10],[10 100],3)

    % text(P(:,2),P(:,3),num2str(P(:,1)))

    % disp(' ')

    % disp(' peak # Position Height Width Area')

    % disp(P)

    %

    % Example 7: Find, measure, and plot noisy peaks with unknown positions

    % x=-50:.2:50;

    % y=exp(-(x).^2)+exp(-(x+50*rand()).^2)+.02.*randn(size(x));

    % plot(x,y,'m.')

    % P=autofindpeaks(x,y);

    % text(P(:,2),P(:,3),num2str(P(:,1)))

    % disp(' peak # Position Height Width Area')

    % disp(P)

    %

    % Note: You can pass the detection parameters found by autofindpeaks to

    % other functions, such as measurepeaks. For example:

    % x=[0:.1:50];y=5+5.*sin(x)+randn(size(x));[P,A]=autofindpeaks(x,y,3);

    % P=measurepeaks(x,y,A(1),A(2),A(3),A(4),1);

    %

    % Related functions:

    % autofindpeaksplot.m, findpeaksG.m, findvalleys.m, findpeaksL.m,

    % findpeaksb.m, findpeaksb3.m, findpeaksplot.m, peakstats.m, findpeakSNR.m,

    % findpeaksGSS.m, findpeaksSG, findpeaksLSS.m, findpeaksfit.m, findsteps.m,

    % findsquarepulse.m, idpeaks.m, measurepeaks.m

    % Copyright (c) 2017 Thomas C. O'Haver

    % Permission is hereby granted, free of charge, to any person obtaining a copy

    % of this software and associated documentation files (the "Software"), to deal

    % in the Software without restriction, including without limitation the rights

    % to use, copy, modify, merge, publish, distribute, sublicense, and/or sell

    % copies of the Software, and to permit persons to whom the Software is

    % furnished to do so, subject to the following conditions:

    %

    % The above copyright notice and this permission notice shall be included in

    % all copies or substantial portions of the Software.

    %

    % THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR

    % IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,

    % FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE

    % AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER

    % LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,

    % OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN

    % THE SOFTWARE.

    %

    我只会从程序中传入x轴与y轴坐标,通过翻译那些什么斜率阈值之类的,完全不知道什么意思,我需要从类似以下这个峰谱图中(共32000+个坐标),找到大约50-300个峰,有很多峰很弱,应该需要灵敏度较高

    通过这个寻峰算法的默认参数(x,y),只能寻到几个非常强的峰,该怎么调整参数才能找到那些弱峰呢

    4daff1d79d1770003932854d6c95a6af.png

    展开全文
  • 通过实验,分析对比了以下5种寻峰算法:直接比较寻峰算法,高斯拟合寻峰算法,自适应半峰检测寻峰算法,基于Steger寻峰算法和本文所提出的算法分别在恒温下的寻峰平均误差值,以及在改变温度,噪音等情况下的平均...
  • 这是我验证波峰波谷算法提供的数据,数据量比较大,有2048个数据点,最后我会把这些数据显示在zedgraph中(实际上这些数据是利用高斯峰,高斯白噪声,正弦和余弦做出来来的数据,用在这里)
  • 常用寻峰算法比较

    2021-04-25 10:48:02
    常用寻峰算法比较

    常用寻峰算法比较

    在这里插入图片描述

    展开全文
  • 这是我验证波峰波谷算法提供的数据,数据量比较大,有2048个数据点,最后我会把这些数据显示在zedgraph中(实际上这些数据是利用高斯峰,高斯白噪声,正弦和余弦做出来来的数据,主要是为了测试去噪算法,用在这里)
  • 准分子激光绝对波长校准技术中, 参考中心波长位置抖动是影响校准精度的主要因素, 寻峰算法是解决这类问题的有效途径。通过仿真和实验研究比较了5种寻峰算法, 结果显示, 高斯非线性曲线拟合寻峰法误差最小, 算法平均...
  • Python 寻峰算法

    2021-05-14 22:21:46
    针对一组离散数据的寻峰算法包,可以设置高度、宽度等一系列参数寻找合适的峰值。具体参考find_peaks包。 ...

    针对一组离散数据的寻峰算法包,可以设置高度、宽度等一系列参数寻找合适的峰值。具体参考find_peaks包。
    https://docs.scipy.org/doc/scipy/reference/generated/scipy.signal.find_peaks.html#scipy-signal-find-peaks

    展开全文
  • python/scipy的寻峰算法

    2020-12-04 22:02:18
    我可以自己写一些东西,通过找到一阶导数的零交叉点或其他东西,但它似乎是一个足够通用的...这些只是例子,不是我的实际数据:一维峰值:二维峰值:寻峰算法可以找到这些峰的位置(不仅仅是它们的值),理想情况下可...
  • Python/SciPy的寻峰算法

    2020-12-04 22:02:18
    函数^{},顾名思义,对此很有用。但了解其参数width、threshold、distance以及最重要的参数prominence是获得良好峰提取的重要条件。根据我的测试和文档,突出度的概念是“有用的概念”,它可以保留好的峰值,并丢弃...
  • 目前关于光栅布拉格传感器的一些运用,可以看看,目前最热的方向之一
  • matlab实现洛伦兹线型自动寻峰算法,非常实用,大师级算法
  • 核心寻峰算法的原理参考Ronny,链接:投影曲线的波峰查找, C#翻译原理代码参考sowhat4999,链接:C#翻译Matlab中findpeaks方法 前人种树,后人乘凉。感谢原作者详细的解释说明。 这里先把翻译代码贴一下...
  • (文献复现01)基于形态学变换的核素能谱寻峰算法 写这个博客的目的是记录自己读文献时学到的一些方法,特别是一些比较新颖的算法,比如咱们的第一个分享的文献(基于形态学变换的核素能谱寻峰算法)。 分享的文献有...
  • 行业分类-电信-利用三点寻峰算法处理FBG传感信号的方法.rar
  • 寻峰算法的代码可以在我的上篇博客中查看C#中读取.mat文件,然后实现寻峰算法 核心代码是这部分 LineItem line = zedGraphControl1.GraphPane.AddCurve("", list1, Color.Red, SymbolType.None);//绘制图表 line....
  • 基于ARM的CAN总线元素灯同步寻峰算法设计.pdf
  • aehravx JavaScript 峰值查找算法和可视化。
  • 第 35 卷第 6 期2008 年 6 月中 国... 6J une , 2008文章编号 : 025827025 (2008) 0620893205光纤布拉格光栅传感解调中的寻峰算法朱浩瀚1 秦海琨2 张 敏1 赖淑蓉1 廖延彪1清华大学电子工程系光纤传感研究室 , 北京 1...
  • 精品文档 自动寻峰 由于谱结构的复杂和统计涨落的影响从谱中正确地找到全部存在的峰是比较困难的 尤其是找到位于很高本底上的弱峰分辨出相互靠得很近的重峰更为困难 谱分析对寻峰方法的基本要求如下 (1) 比较高的重...
  • 自动寻峰 由于谱结构的复杂和统计涨落的影响从谱中正确地找到全部存在的峰是比较困难的尤其是找到位于很高本底上的弱峰分辨出相互靠得很近的重峰更为困难 谱分析对寻峰方法的基本要求如下 (1) 比较高的重峰分辨能力...
  • Steger寻峰算法兼具滤波和寻峰功能,具有较强的抗噪能力,能克服步长限制,有效消除非对称光谱的干扰。通过理论仿真及实际寻峰研究,对比了该算法与不同寻峰算法在不同采样步长、噪声大小、光谱非对称性下的峰值检测...

空空如也

空空如也

1 2 3 4 5 ... 9
收藏数 178
精华内容 71
关键字:

寻峰算法

友情链接: 变送器.rar