hooke/plugin/peakspot.py

   1 # Copyright
   2
   3 """a library of helping functions for spotting force spectroscopy peaks.
   4 """
   5
   6 import numpy as np
   7
   8 def conv_dx(data,vect):
   9     '''
  10     Returns the right-centered convolution of data with vector vect
  11     '''
  12     dim=len(data)
  13     window=len(vect)
  14     temparr=[0.0]*dim
  15
  16     end=dim-window
  17
  18     for j in range(end):
  19      for k in range(window):
  20       temparr[j]+=data[j+k]*vect[k]
  21
  22     return temparr
  23
  24 def absdev(arr):
  25     '''
  26     Calculates the absolute deviation of a vector
  27     '''
  28     med=0.0
  29     absD=0.0
  30
  31     med=np.mean(arr)
  32     for j in arr:
  33         absD+=abs(j-med)
  34     return absD/len(arr)
  35
  36 def noise_absdev(data,positive=False,maxcut=0.2,stable=0.005):
  37     '''
  38     Returns the standard deviation of the noise.
  39     The logic is: we cut the most negative (or positive) data points until the absolute deviation
  40     becomes stable (it doesn't vary more than 0.005) or we have cut more than maxcut*len(data) points.
  41     Then calculate the absolute deviation.
  42
  43     If positive=True we cut the most positive data points, False=we cut the negative ones.
  44     '''
  45     out=[item for item in data] #we copy just to be sure...
  46     out.sort()
  47     if positive:
  48         out.reverse()
  49
  50     temp_absdev=absdev(out)
  51
  52     for index in range(len(out)):
  53         cutindex=(index+1)*5
  54         cut_absdev=absdev(out[cutindex:]) #we jump five points after five points...
  55         if 1-(cut_absdev/temp_absdev) < stable and cutindex<(maxcut*len(out)):
  56             temp_absdev=cut_absdev
  57         else:
  58             break
  59
  60     return cut_absdev
  61
  62 def abovenoise(convoluted,noise_level,cut_index=0,abs_devs=4):
  63     '''
  64     Generates a vector which is 0 where the vector is less than abs_devs*noise_level ; 1 if not (spike).
  65     '''
  66     #calculate absolute noise deviation
  67     #noise_level=noise_absdev(convoluted[cut_index:])
  68
  69     above=[]
  70
  71     for index in range(len(convoluted)):
  72         if index<cut_index:
  73             above.append(0)
  74         else:
  75             #FIXME: should calculate the *average* (here we assume that convolution mean is 0, which is FALSE!)
  76             if convoluted[index] < -1*noise_level*abs_devs:
  77                 above.append(convoluted[index])
  78             else:
  79                 above.append(0)
  80     return above
  81
  82 def find_peaks(above, seedouble=10):
  83     '''
  84     Finds individual peak location.
  85     abovenoise() finds all points above a given threshold in the convolution. This point is often not unique
  86     but there is a "cluster" of points above a threshold.
  87     Here we obtain only the coordinates of the largest *convolution* spike for each cluster.
  88
  89     above=vector obtained from abovenoise()
  90     seedouble=value at which we want to "delete" double peaks. That is, if two peaks have a distance
  91     < than $seedouble points , only the first is kept.
  92     '''
  93     nonzero=[]
  94     peaks_location=[]
  95     peaks_size=[]
  96
  97     for index in range(len(above)):
  98         if above[index] != 0:
  99             nonzero.append(index)
 100         else:
 101             if len(nonzero) != 0:
 102                 if len(nonzero)==1:
 103                     nonzero.append(nonzero[0]+1)
 104                 peaks_size.append(min(above[nonzero[0]:nonzero[-1]]))
 105                 peaks_location.append(above[nonzero[0]:nonzero[-1]].index(peaks_size[-1])+nonzero[0])
 106                 nonzero=[]
 107             else:
 108                 pass
 109
 110     #recursively eliminate double peaks
 111     #(maybe not the smartest of cycles, but i'm asleep...)
 112     temp_location=None
 113     while temp_location != []:
 114         temp_location=[]
 115         if len(peaks_location)>1:
 116             for index in range(len(peaks_location)-1):
 117                 if peaks_location[index+1]-peaks_location[index] < seedouble:
 118                     temp_location=peaks_location[:index]+peaks_location[index+1:]
 119         if temp_location != []:
 120             peaks_location=temp_location
 121
 122     return peaks_location,peaks_size