Какой функцией можно пофиттить такую фигню?

Понятно, что записи уже сделаны, я еще пытаюсь. Если что получиться приемлемое сюда отпишу.

Спасибо.

И все таки проблема в потоке. Вот пишут о ней, рекламируя замену перистальтическому насосу http://www.elveflow.com/microfluidic-tutorials/cell-biology-imaging-reviews-a...

Нет, там немного про другое. Колебания потока у меня есть, но они мне не мешают. Они регулярные, в отличие от помехи, и частота их намного ниже.

Если наливать насосом в воронку, а уже она нужной высотой столба будет стабильно прокачивать кювету (ну и на выходе просто сливать в другую воронку), то проблема обязана уйти?

Возможно, но это принесёт кучу других проблем. Нельзя быстро сменить раствор, нельзя остановить/запустить проток одним махом, трудно контролировать соотношение скорости притока и оттока... К тому же, мне нужен проток не медленнее 5 мл/мин, а для этого приточную воронку придётся почти под потолок вешать. Я с такими вариантами экспериментировал, это неюзабельно.

Хм, а попробовать «выключить» сигнальную область и разложить в фурье? Вот тебе и функция для описания фона. С сигнальной функцией здесь народ уже вроде предлагал производную от Гаусса. Я могу добавить, что если сигнал асимметричный, то есть штука, называется «логарифмический» Гаусс. Формуль сейчас точно не вспомню, у ней есть третий параметр — асимметрия. Если интересно, постараюсь найти в своих записях двухлетней давности.

Хм, а попробовать «выключить» сигнальную область и разложить в фурье? Вот тебе и функция для описания фона.

Про отсечки по частотам выше писал, не катит, к сожалению.

Я могу добавить, что если сигнал асимметричный, то есть штука, называется «логарифмический» Гаусс.

Логнормальное распределение.

1. Нет, вырезать именно по времени кусок с сигналом. Ты же его глазом видишь хорошо?

2. У логнормального распределения нет параметра асимметрии, только sigma и mu. Логарифмический Гаусс имеет.

Функция применяется для фита энерговыделения фотона в электромагнитном калориметре.

Double_t loggaussian (Double_t *x, Double_t *p) 
{
  Double_t E = x[0];
  Double_t Ampl = p[0];
  Double_t E_p = p[1];
  Double_t sigma = p[2];
  Double_t eta = p[3];
  
  if (Ampl < 0)
    Ampl = -Ampl;
  Double_t xi = 2.35;
  Double_t xxx = (1-eta*(E-E_p)/sigma);
  if (xxx <0){
    xxx=0;
  }
  Double_t s_0 = 2/xi*ASinH (eta*xi/2);
  Double_t Val = Ampl*exp(-(sqr(log(xxx))/2/sqr(s_0)) - sqr(s_0)/2)*eta/Sqrt(2*Pi())/sigma/s_0;
  return Val;
}

1. Нет, вырезать именно по времени кусок с сигналом. Ты же его глазом видишь хорошо?

А что мне тогда даст дискретное фурье?

2. У логнормального распределения нет параметра асимметрии, только sigma и mu.

Ой, точно.

А что мне тогда даст дискретное фурье?

Ты опишешь фон суммой синусов.

Ты опишешь фон суммой синусов.

Но зачем? Данные события я хочу описать чтобы их вычесть из записи, потому что это помеха, и я хочу от неё избавиться. Кроме неё на фоне есть события другого рода, которые-то мне и нужны.

Вообще то тебе надо просто отбросить точки сильно выбивающиеся из последовательности.

Т.е. «фильтр» примерно такой:

if abs(x[n] - x[n-1]) > epsilon {
   skip
}

А, то есть фон — вон та вот загогулина, а «синусы» справа и слева — полезный сигнал? Тогда оставляю только идею про логарифмический Гаусс.

Вообще то тебе надо просто отбросить точки сильно выбивающиеся из последовательности.

Пробовал, не катит. К тому же, их нельзя отбрасывать, надо чем-то заменять.

А, то есть фон — вон та вот загогулина, а «синусы» справа и слева — полезный сигнал?

Наоборот. Фон - это шум базовой линии, медленная загогулина - полезный сигнал, а быстрые большие пики - помеха.

медленная загогулина - полезный сигнал, а быстрые большие пики

Имхо в этом кроется решение. Тебе нужен ФВЧ. Математически скорей всего через Фурье.

Потыкай matlab — там имхо всё это уже есть.

Физически — вставь дроссель в линию. ;)

Имхо в этом кроется решение. Тебе нужен ФВЧ.

Выше по треду много раз обсудили. ФВЧ помнёт мне полезный сигнал, а это не вариант.

Потыкай matlab — там имхо всё это уже есть.

Я тыкаю в питон, там тоже есть.

Физически — вставь дроссель в линию. ;)

С пэтч-усилителями такое не прокатывает, обратная связь жы. К тому же, сигнал и так пропущен через аппаратный ФВЧ с максимально допустимой частотой среза, сильнее его фильтровать без искажений нельзя.

Вроде что то начинает получаться.

Но есть одно «но»: техника предполагает «сваливание» всех нужных событий в один датасет и обучение по нему с помощью https://cran.r-project.org/web/packages/rNMF/vignettes/rNMF.html (ну или другой разновидности NMF)

Если событий немного, то оно выделить все разновидности полезных шаблонов не в состоянии. По идее должно улучшиться подгонка события если завести большую «библиотеку правильных событий» и добавляя к ней новые «плохие» их чистить...

Еще мне показалось, что оно переставляет местами сигналы в выхлопе... может действительно надо сед выбирать как в мануале.

> str(data)
'data.frame':	250000 obs. of  2 variables:
 $ V1: num  0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 ...
 $ V2: num  -0.157 -0.155 -0.157 -0.161 -0.16 ...


> datapoints
 [1]  914.5402 1086.9601 1119.6000 2067.4402 2344.5203 2689.8000 2799.5203
 [8] 3049.1602 3419.6201 3500.5002 4029.9795 4160.1602 4347.1401 4388.9600
[15] 4599.7407 4898.4395 4960.9795

my.get.event <- function(i) { ii <- max(which(datapoints[i] > data$V1)) ; data$V2[(ii - 0 ):(ii + 400)] }

library(rNMF)

res <- rnmf(sapply(1:length(datapoints), my.get.event)[-1,]+1, k = 2, showprogress = FALSE)

my.show.res <- function(i) {plot(res$fit[,i], type="l"); lines((sapply(1:length(datapoints), my.get.event)[-1,]+1)[,i], type="l", col="red")}

my.show.res(1)
my.show.res(17)



my.show.res2 <- function(i) {plot(res2$fit[,i], type="l"); lines((sapply(1:length(datapoints), my.get.event)[-1,]+1)[,i], type="l", col="red")}

my.show.res(1)

my.show.res2(номер) конечно... что то я совсем приустал :(

И вариант с чисткой забыл :(

res2 <- rnmf(sapply(1:length(datapoints), my.get.event)[-1,]+1, k = 2, showprogress = FALSE, tol = 0.0001, maxit = 50)

всё

sin(x)*exp(-x^2) попробуй.

это помехи, которыми засрана вся запись

открываешь audacity, выбираешь удаление шума

Там тебе предложат сначала выбрать участок ТОЛЬКО с шумами, потом то, откуда тебе нужно убрать шумы

все остальное сделает за тебя программа. Не нужно изобретать велосипед

Помеха идёт не от электроники насоса, потому что при работающем моторе, но без тока жидкости (например, если полностью убрать прижим трубок), её нет.

а что если это какая-то стоячая волна?

кстати, как идея - попробуй может наоборот. То есть есть функция, которая описывает полезный сигнал, и аппроксимируй ею.