图中每列的山峰一个csv然后用曲线。

9的观点(30天)

显示旧的评论

亚历克斯 2022年11月3日

0
链接

这个问题直接联系

//www.tianjin-qmedu.com/matlabcentral/answers/1842338-plot-peaks-for-each-column-in-a-csv-then-fit-a-curve

评论道: 图像分析 2022年11月6日

答:接受明星黾

compiledT1.csv

我在处理一些数据从一个示波器。csv的列代表信号的振幅。我希望看到的画面。我想找到每个信号的峰值,然后画出山峰的函数τ(ms)从0.1和。我还想一条曲线适合每一行后,指数函数y = * e (- x / T1) + c,一个是一个常数(2)发现和T1的曲线。找到T1是策划的最终目标信号。我已经尝试了几种不同的方法:这是我的最新尝试,它没有给我接近我希望:

                          文件名=' D: \研究生实验室\ NMR \ \ T1数据\ compiledT1nolabel.csv”;
                         
                          data = readtable(文件名);
                         
                          日元= table2array(数据(:1));
                         
                          y2 = table2array(数据(:,2));
                         
                          y3 = table2array(数据(:,3));
                         
                          y4 = table2array(数据(:,4));
                         
                          日元= table2array(数据(:,5));
                         
                          日元= table2array(数据(:,6));
                         
                          日元= table2array(数据(:,7));
                         
                          Fs = 2平台以及;
                         
                          T = 1 / f;
                         
                          L = 2500;
                         
                          t = t (0: l - 1) *;
                         
                          Fn = f / 2;
                         
                          Fy1 = fft (y1) / L;
                         
                          阵线= linspace(0, 1,修复(L / 2) + 1) * Fn;
                         
                          4 = 1:长度(艘);
                         
                          图(1)
                         
                          情节(阵线、abs (Fy1 (Iv)) * 2)
                         
                          网格
                         
                          标题(“傅里叶Transfrom矿物油原始信号”)
                         
                          包含(的频率(赫兹))
                         
                          ylabel (“振幅”)
                         
                          Fy1dcoc = fft (y1-mean (y1)) / L;
                         
                          图(2)
                         
                          情节(阵线、abs (Fy1dcoc (Iv)) * 2)
                         
                          网格
                         
                          标题(直流偏移校正信号的傅里叶变换)
                         
                          包含(的频率(赫兹))
                         
                          ylabel (“振幅”)
                         
                          [Fy1n_max, Iv_max] = max (abs (Fy1dcoc (Iv)) * 2);
                         
                          Wp = 2 *阵线(Iv_max) / Fn;
                         
                          Ws = Wp * 2;
                         
                          Rp = 10
                         
                          Rs = 30;
                         
                          [n, n] = buttord (Wp、Ws Rp, Rs);
                         
                          [b] =黄油(n, Wn);
                         
                          (SOS, G) = tf2sos (b);
                         
                          S = filtfilt (SOS, G, y1);
                         
                          图(4)
                         
                          情节(t, y1)
                         
                          持有在
                         
                          情节(t, S,“- r”,“线宽”,1.5)
                         
                          持有从
                         
                          网格
                         
                          传奇(矿物油的,“年代”,“位置”,“N”)
                         
                          标题(原始信号的矿物油和未堕落的信号(年代))
                         
                          包含(“τ(ms)”)
                         
                          ylabel (“振幅”)

我感谢任何帮助!

0评论
显示隐藏1以上的评论

登录置评。

在回答这个问题。

接受的答案

明星黾 2022年11月3日

0
链接

直接链接到这个答案

//www.tianjin-qmedu.com/matlabcentral/answers/1842338-plot-peaks-for-each-column-in-a-csv-then-fit-a-curve answer_1090203

没有明显的峰值在时域信号。

做Foureir变换和谱峰很容易找到,但是我不知道如何做形象的情节,因为我不知道如何计算任何变量,它描绘了。独立变量似乎是时间。

如果你的目的是进行时频分析,这将是最好的使用 pspectrum 函数与的谱图选择,而不是 fft 。

数据= readtable (“//www.tianjin-qmedu.com/matlabcentral/answers/uploaded_files/1178628/compiledT1.csv”,“VariableNamingRule”,“保存”)

data =2500×7表

矿物油 甘油 CuSO4 0.625% CuSO4 1.25% CuSO4 2.5% CuSO4 5% CuSO4 10% ___________ ________ _______ ___________ __________ ________ _____-0.002 -0.089 0.0032 -0.0136 -0.0036 -0.0036 -0.0118 -0.00196 -0.0889 0.00324 -0.01356 -0.00358 -0.00358 -0.01178 -0.00192 -0.0888 0.00328 -0.01352 -0.00356 -0.00356 -0.01176 -0.00188 -0.0887 0.00332 -0.01348 -0.00354 -0.00354 -0.01174 -0.00184 -0.0886 0.00336 -0.01344 -0.00352 -0.00352 -0.01172 -0.0018 -0.0885 0.0034 -0.0134 -0.0035 -0.0035 -0.0117 -0.00176 -0.0884 0.00344 -0.01336 -0.00348 -0.00348 -0.01168 -0.00172 -0.0883 0.00348 -0.01332 -0.00346 -0.00346 -0.01166 -0.00168 -0.0882 0.00352 -0.01328 -0.00344 -0.00344 -0.01164 -0.00164 -0.0881 0.00356 -0.01324 -0.00342 -0.00342 -0.01162 -0.0016 -0.088 0.0036 -0.0132 -0.0034 -0.0034 -0.0116 -0.00156 -0.0879 0.00364 -0.01316 -0.00338 -0.00338 -0.01158 -0.00152 -0.0878 0.00368 -0.01312 -0.00336 -0.00336 -0.01156 -0.00148 -0.0877 0.00372 -0.01308 -0.00334 -0.00334 -0.01154 -0.00144 -0.0876 0.00376 -0.01304 -0.00332 -0.00332 -0.01152 -0.0014 -0.0875 0.0038 -0.013 -0.0033 -0.0033 -0.0115

VN = data.Properties.VariableNames;

Fs = 2平台以及;

T = 1 / f;

L = 2500;

t = t (0: l - 1) *;

Fn = f / 2;

y = table2array(数据)

y = 2500×7

-0.0020 -0.0890 0.0032 -0.0136 -0.0036 -0.0036 -0.0118 -0.0020 -0.0889 0.0032 -0.0136 -0.0036 -0.0036 -0.0118 -0.0019 -0.0888 0.0033 -0.0135 -0.0036 -0.0036 -0.0118 -0.0019 -0.0887 0.0033 -0.0135 -0.0035 -0.0035 -0.0117 -0.0018 -0.0886 0.0034 -0.0134 -0.0035 -0.0035 -0.0117 -0.0018 -0.0885 0.0034 -0.0134 -0.0035 -0.0035 -0.0117 -0.0018 -0.0884 0.0034 -0.0134 -0.0035 -0.0035 -0.0117 -0.0017 -0.0883 0.0035 -0.0133 -0.0035 -0.0035 -0.0117 -0.0017 -0.0882 0.0035 -0.0133 -0.0034 -0.0034 -0.0116 -0.0016 -0.0881 0.0036 -0.0132 -0.0034 -0.0034 -0.0116

图

情节(t, y)

网格

包含(“时间”)

ylabel (“振幅”)

传奇(VN“位置”,“最佳”)

ydt1 =去趋势(y (: 1), 1);

图

情节(t, ydt1)

网格

包含(“时间”)

ylabel (“振幅”)

标题(VN {1})

[p f t] = pspectrum (ydt1 Fs,的谱图);

图

瀑布(f, t, p ')

包含(的频率(赫兹))

ylabel (的时间(秒))

甘氨胆酸wtf =;

wtf。XDir =“反向”;

colormap(涡轮)

视图(45 [30])

NFFT = 2 ^ nextpow2 (L);

ym = y -意味着(y);

FTy = fft (ym NFFT) / L;

阵线= linspace (0, 1, NFFT / 2 + 1) * Fn;

4 = 1:元素个数(艘);

图

情节(阵线、abs (FTy(四世:))* 2)

网格

包含(“频率”)

ylabel (“级”)

传奇(VN“位置”,“最佳”)

xlim (5 e-12 [0])

[pks1, locs1] = findpeaks (abs (FTy (Iv, 1)) * 2);

图

情节(阵线、abs (FTy (Iv, 1)) * 2,“DisplayName的”,“数据”)

持有在

情节(pks1阵线(locs1),“^ r”,“DisplayName的”,“高峰”)

持有从

网格

包含(“频率”)

ylabel (“级”)

标题(VN {1})

传奇()

%的传说(VN{1},“位置”,“最好”)

xlim (5 e-12 [0])

。

9日评论
显示隐藏如果你们老的评论

亚历克斯 2022年11月3日

amplitudeT1.xlsx

                                   data = readtable (amplitudeT1.xlsx)
                                  
                                   VN = data.Properties.VariableNames;
                                  
                                   Fs = 1平台以及;
                                  
                                   T = 1 / f;
                                  
                                   L = 2500;
                                  
                                   t = t (0: l - 1) *;
                                  
                                   Fn = f / 2;
                                  
                                   y = table2array(数据);
                                  
                                   图(1)
                                  
                                   情节(t, y)
                                  
                                   网格
                                  
                                   包含(“时间(ms)”)
                                  
                                   ylabel (“振幅”)
                                  
                                   传奇(VN“位置”,“最佳”)
                                  
                                   ydt1 =去趋势(y (: 1), 1);
                                  
                                   图(2)
                                  
                                   情节(t, ydt1)
                                  
                                   网格
                                  
                                   包含(“时间”)
                                  
                                   ylabel (“振幅”)
                                  
                                   标题(VN {1})
                                  
                                   [p f t] = pspectrum (ydt1 Fs,的谱图);
                                  
                                   图(3)
                                  
                                   瀑布(f, t, p ')
                                  
                                   包含(的频率(赫兹))
                                  
                                   ylabel (“时间”)
                                  
                                   甘氨胆酸wtf =;
                                  
                                   wtf。xDir =“反向”;
                                  
                                   colormap(涡轮)
                                  
                                   视图(45 [30])
                                  
                                   NFFT = 2 ^ nextpow2 (L);
                                  
                                   ym = y -意味着(y);
                                  
                                   FTy = fft (ym NFFT) / L;
                                  
                                   阵线= linspace (0, 1, NFFT / 2 + 1) * Fn;
                                  
                                   4 = 1:元素个数(艘);
                                  
                                   图(4)
                                  
                                   情节(阵线、abs (FTy(四世:))* 2)
                                  
                                   网格
                                  
                                   包含(“频率”)
                                  
                                   ylabel (“级”)
                                  
                                   传奇(VN“位置”,“最佳”)
                                  
                                   xlim (5 e-12 [0])
                                  
                                   [pks1, locs1] = findpeaks (abs (FTy (Iv, 1)) * 2);
                                  
                                   图(5)
                                  
                                   情节(阵线、abs (FTy (Iv, 1)) * 2),“DisplayName的”,“数据”)
                                  
                                   持有在
                                  
                                   情节(pks1阵线(locs1),“^ r”,“DisplayName的”,“高峰”)
                                  
                                   持有从
                                  
                                   网格
                                  
                                   包含(“频率”)
                                  
                                   ylabel (“级”)
                                  
                                   标题(VN {1})
                                  
                                   传奇(VN {1},“位置”,“最佳”)
                                  
                                   xlim (5 e-12 [0])

运行这个看起来伟大的(所有的情节),我得到同样的情节你看到。我连接不正确的文件附加正确的一个。我认为我做的最好的事情是把每一个单独虽然看到这些情节多么忙。的情节连接我想抓住最高峰,然后每隔一峰值。如果我可以配合曲线的峰值可以找到T1(原子的弛豫时间)。谢谢你！

明星黾 2022年11月3日

一段时间才得到这个工作。这是最好的我可以处理这些数据。

问题的一部分是,的大小 “t” 向量将附近的许多计算的极限精度浮点加法和减法( 每股收益值)。这也是不可能的原因为这些数据设计一个有效的数字滤波器。(我给了一枪。)

此外, “一个” 的价值 2 绝对不会工作,除非数据themsellves也是负的。我让浮动。

进一步编辑这些数据,例如从最大峰值,(矿物油的第四峰数据)可能会产生一个更好的选择。我不知道这些数据或他们的代表,所以我没有编辑。我也没有去趋势他们,尽管他们有一个流浪的基线。

傅里叶变换数据是很有趣的。所有的数据的峰值

或

,有些都。

试试这个,

数据= readtable (“//www.tianjin-qmedu.com/matlabcentral/answers/uploaded_files/1178803/amplitudeT1.xlsx”,“VariableNamingRule”,“保存”)

data =2500×7表

VN = data.Properties.VariableNames;

Fs = 2平台以及;

T = 1 / f;

L = 2500;

t = t (0: l - 1) *;

Fn = f / 2;

y = table2array(数据);

图

情节(t, y)

网格

包含(“时间”)

ylabel (“振幅”)

传奇(VN“位置”,“最佳”)

% Lminv = islocalmin (y (: 1), ' MinProminence ', 1);

% p = polyfit (t (Lminv)。”,y (Lminv 1) 9);

% ydt1 = y (: 1)——polyval (p、t (:));

% ydt1 =去趋势(y (: 1), 15);

[pkst1, locst1] = findpeaks (y (: 1),“MinPeakProminence”,4.5);

图

%的阴谋(t, ydt1)

情节(t, y (: 1))

持有在

pkst1情节(t (locst1),“^ r”)

%的阴谋(t (Lminv), y (Lminv, 1), + r)

持有从

网格

包含(“时间”)

ylabel (“振幅”)

标题(VN {1})

格式再有

p = polyfit (t (locst1),日志(pkst1), 1)%初始参数估计指数

p = 1×2

-2.381757003380055 e-13 2.247436395545789 e + 00

ypv = exp (polyval (p t (locst1)));

图

pkst1情节(t (locst1),“。b”,ypv t (locst1)“- r”)

网格

包含(“时间”)

ylabel (“振幅”)

标题(“初始参数估计结果”)

% y = (- x / T1) + c

objfcn = @ (b, b t) (1)。* exp (t / b (2)) + b (3);

mdl = fitnlm (t (locst1), pkst1 objfcn, [p (2);1 / (p (1));1))

警告:等级不足,排名= 2,tol = 1.547956 e-14。

警告:雅可比矩阵的一些列的解决方案实际上是零,表明模型是对它的一些参数。这可能是因为这些参数在模型中不存在,或者不影响预测的值。也可能由于模型函数的数值下溢,有时可以避免通过选择更好的初始参数值,或者通过尺度改变或重定位。参数估计可能是不可靠的。

mdl =

非线性回归模型:y ~ b1 * exp (- t / b2) + b3估计系数:估计 SE tStat pValue _____________________ ____________________ _____________________ _____________________ b16.42850666045294 e + 01 1.20005318013054 e + 01 5.35685148532637 e + 00 1.30448378489792 e-04b24.39486428989028 e + 13 3.18060840239682 e-11 1.38176843354197 e + 24 5.64414374960479 e - 308b3-5.53061960933816 e + 01 1.15303083591107 e + 01 -4.79659297660338 e + 00 3.48966691203665 e-04数量的观察:15日误差自由度:13根均方误差:1.06平方:0.688,调整平方0.664 f统计量与常数模型:28.7,p = 0.00013

电视= linspace(最小(t (locst1))最大(t (locst1)));

[青年志愿,开办]=预测(mdl、电视(:));

图

惠普{1}=情节(t (locst1), pkst1,“。b”,“DisplayName的”,“数据”);

持有在

惠普{2}=情节(电视,青年志愿,“- r”,“DisplayName的”,“指数符合”);

惠普{3}=情节(电视,开办,“——r”,“DisplayName的”,“±95%可信区间”);

持有从

网格

包含(“时间”)

ylabel (“振幅”)

标题(VN {1})

传奇([惠普惠普{1},{2},惠普{3}(1)]。“位置”,“最佳”)

[p f t] = pspectrum (Fs, y (: 1)的谱图);

图

瀑布(f, t, p ')

包含(的频率(赫兹))

ylabel (的时间(秒))

甘氨胆酸wtf =;

wtf。XDir =“反向”;

colormap(涡轮)

xlim (3 e-11 [0])

视图(45 [135])

NFFT = 2 ^ nextpow2 (L);

ym = y -意味着(y);

FTy = fft (ym NFFT) / L;

阵线= linspace (0, 1, NFFT / 2 + 1) * Fn;

4 = 1:元素个数(艘);

图

情节(阵线、abs (FTy(四世:))* 2)

网格

包含(“频率”)

ylabel (“级”)

传奇(VN“位置”,“最佳”)

xlim (5 e-12 [0])

[pksf1, locsf1] = findpeaks (abs (FTy (Iv, 1)) * 2);

图

情节(阵线、abs (FTy (Iv, 1)) * 2,“DisplayName的”,“数据”)

持有在

情节(pksf1阵线(locsf1),“^ r”,“DisplayName的”,“高峰”)

持有从

网格

包含(“频率”)

ylabel (“级”)

标题(VN {1})

传奇()

%的传说(VN{1},“位置”,“最好”)

xlim (5 e-12 [0])

。

明星黾 2022年11月4日

编辑:明星黾 2022年11月4日

你上次的图评论使这一点更加清晰。

是否应该在山顶 1 间隔,女士,你想从最高峰峰值大于2,这是-

数据= readtable (“//www.tianjin-qmedu.com/matlabcentral/answers/uploaded_files/1178803/amplitudeT1.xlsx”,“VariableNamingRule”,“保存”)

data =2500×7表

VN = data.Properties.VariableNames;

Fs = 2平台以及;

T = 1 / f;

L = 2500;

t = t (0: l - 1) *;

Fn = f / 2;

y = table2array(数据);

图

情节(t, y)

网格

包含(“时间”)

ylabel (“振幅”)

传奇(VN“位置”,“最佳”)

[pkst1, locst1] = findpeaks (y (: 1));%检测所有的山峰

图

情节(t, y (: 1))

持有在

pkst1情节(t (locst1),“^ r”)

持有从

网格

包含(“时间”)

ylabel (“振幅”)

标题(VN {1})

[mxpk, mxpkidx] = max (pkst1)

mxpk = 9.6000

mxpkidx = 10

Lvpeaks = (pkst1 < = max (pkst1)) & (pkst1 > = 2.45) & (locst1 > = locst1 (mxpkidx));%选择山峰

locst1e = locst1 (Lvpeaks)%选择“loc”

locst1e = 28日×1

152 176 202 226 228 252 279 302 352 376

pkst1e = pkst1 (Lvpeaks);%选择相应的“党”

tauv =(1:元素个数(pkst1e)) * 1 e - 3;%创建时间τ的向量

格式再有

% p = polyfit (t (locst1),日志(pkst1), 1) %估计初始参数指数

p = polyfit (tauv日志(pkst1e) 1)%初始参数估计指数

p = 1×2

-3.600759660774221 e + 01 1.928444839224613 e + 00

ypv = exp (polyval (p, tauv));

图

情节(tauv pkst1e,“。b”tauv ypv,“- r”)

网格

包含(“\τ”)

ylabel (“振幅”)

标题(“初始参数估计结果”)

% y = (- x / T1) + c

objfcn = @ (b, b t) (1)。* exp (t / b (2)) + b (3);

mdl = fitnlm (tauv pkst1e objfcn, [p (2);1 / (p (1));1))

mdl =

非线性回归模型:y ~ b1 * exp (- t / b2) + b3估计系数:估计 SE tStat pValue ____________________ ____________________ ____________________ ____________________ b16.44645526000870 e + 00 2.75304770820915 2.74736774017030 2.34157048596957 e + e + 00 00 e-02b23.69341137202206 9.14207983905779 1.76121018054069 1.92648742030917 e-02 e-02 e-01 e-01b31.33724950949722 6.95342079540181 3.96168169923941 3.37545923932747 e + e + 00 00 e-01 e-01数量的观察:28日误差自由度:25根均方误差:1.58平方:0.473,调整平方0.43 f统计量与常数模型:11.2,p = 0.000337

电视= linspace (min (tauv), max (tauv));

[青年志愿,开办]=预测(mdl、电视(:));

图

惠普{1}=情节(tauv pkst1e,“。b”,“DisplayName的”,“数据”);

持有在

惠普{2}=情节(电视,青年志愿,“- r”,“DisplayName的”,“指数符合”);

惠普{3}=情节(电视,开办,“——r”,“DisplayName的”,“±95%可信区间”);

持有从

网格

包含(“\τ”)

ylabel (“振幅”)

标题(VN {1})

传奇([惠普惠普{1},{2},惠普{3}(1)]。“位置”,“最佳”)

这是我能做的最好的。我不确定如何把《峰2》专门设置的山峰退化,或消除。

。

明星黾 2022年11月4日

我的荣幸!

我也不理解x轴上的时间值图在你最后的评论。在我的代码,我分配每个峰值x系列0.1毫秒值。这可能不是正确的,但是这就是我解释的所以对于每个峰值是一个τ(0.1。) 虽然它对我来说没有意义。

登录置评。

类别

信号处理信号处理工具箱光谱分析光谱测量

找到更多的在光谱测量在帮助中心和文件交换

s manbetx 845

MATLAB

社区寻宝

找到宝藏在MATLAB中央,发现社区如何帮助你!

开始狩猎!

图中每列的山峰一个csv然后用曲线。

0评论
显示隐藏1以上的评论

接受的答案

9日评论
显示隐藏如果你们老的评论

更多的答案(2)

6个评论
显示隐藏 5年长的评论

3评论
显示隐藏特殊照顾年长的评论

另请参阅

类别

标签

s manbetx 845

社区寻宝

图中每列的山峰一个csv然后用曲线。

0评论 显示隐藏1以上的评论

接受的答案

9日评论 显示隐藏如果你们老的评论

更多的答案(2)

6个评论 显示隐藏 5年长的评论

3评论 显示隐藏特殊照顾年长的评论

另请参阅

类别

标签

s manbetx 845

社区寻宝

0评论
显示隐藏1以上的评论

9日评论
显示隐藏如果你们老的评论

6个评论
显示隐藏 5年长的评论

3评论
显示隐藏特殊照顾年长的评论