Matplotlib结合find_peaks检测负数值峰值问题求助

全负值数据里的"峰值"是指相对更接近0的局部极大值，原代码检测不到的核心原因是判断逻辑默认找大于正阈值或大于邻域的正值点，完全不适用负值场景。以下是3种可行的解决方法：

方法1：反转数据符号复用原逻辑 #

把所有数据取反，将负峰值转换为正峰值，直接用原代码检测，最后映射回原频率即可：

def detect_negative_peaks(data, original_threshold=0):
    # 反转数据符号，负峰值变为正峰值
    reversed_data = [-val for val in data]
    peaks = []
    # 复用原峰值检测逻辑
    for i in range(1, len(reversed_data)-1):
        if reversed_data[i] > -original_threshold and reversed_data[i] > reversed_data[i-1] and reversed_data[i] > reversed_data[i+1]:
            peaks.append(i)
    return peaks

方法2：直接修改峰值判断条件 #

调整判断逻辑，把"大于正阈值"改成"大于设定的负阈值"，同时保留局部极大值的判断：

def detect_negative_peaks(data, peak_threshold=-40):
    # peak_threshold根据你的实际数据调整（设为比峰值更低的负值）
    peaks = []
    for i in range(1, len(data)-1):
        # 判断当前点是邻域内的极大值（更接近0）且高于阈值
        if data[i] > peak_threshold and data[i] > data[i-1] and data[i] > data[i+1]:
            peaks.append(i)
    return peaks

方法3：用scipy专业工具快速实现 #

借助scipy.signal.find_peaks，通过参数适配负值场景，还能过滤无效小波动：

from scipy.signal import find_peaks

# 假设data是全负值的信号数组，freqs是对应的扫频频率数组
# height：设定峰值的最低值（负值），prominence：控制峰值的显著程度（过滤小波动）
peaks_indices, _ = find_peaks(data, height=-40, prominence=5)
# 提取对应频率
peak_freqs = freqs[peaks_indices]
print("检测到的峰值频率：", peak_freqs)

关键注意事项 #

• 阈值参数必须匹配你的数据范围：比如你的峰值在-30dB左右，就把height设为-40，确保能覆盖目标峰值。
• 调整prominence参数可以过滤扫频中的噪声波动，只保留真正的特征峰值。
• 如果原代码用了滑动窗口检测，确保窗口大小适配扫频的频率分辨率，避免漏检宽峰。

内容的提问来源于stack exchange，提问作者Jana