求scipy.signal.find_peaks()函数的算法实现原理详解

核心基础逻辑 #

find_peaks()的核心是局部最大值判定，所有后续过滤都基于这个基础筛选结果展开：

• 遍历输入数组（默认跳过首尾元素，因缺少单侧邻居），对每个中间点i，先判定是否满足：x[i] > x[i-1] 且 x[i] > x[i+1]——这是最基础的峰值条件。
• 遇到平顶峰（连续多个相等的最大值）时，默认取该平台最右侧的点作为峰值；若设置plateau_size参数，会要求平台长度达到指定值才判定为有效峰值。

可选过滤参数的算法细节 #

距离过滤（distance） #

找到基础峰值后，先按峰值位置排序，再遍历筛选：

• 对每两个相邻峰值，若间距小于指定distance，保留数值更大的那个，删除较小的；若数值相等，保留位置更靠前的。

高度过滤（height） #

将每个峰值的y值与height阈值对比：

• 若height是单个数值，保留y值≥该数值的峰值；
• 若height是二元组(low, high)，则保留y值在[low, high]区间内的峰值。

阈值过滤（threshold） #

计算峰值与左右相邻谷值的差值：

• 左差值 = 峰值y值 - 左侧最近谷值的y值；
• 右差值 = 峰值y值 - 右侧最近谷值的y值；
• 只有左、右差值均≥指定threshold的峰值才会被保留。

突出度过滤（prominence） #

这是最复杂的过滤逻辑，核心是计算峰值相对于周围的“突出程度”：

1. 对每个峰值，向左右两侧分别遍历，直到找到第一个比当前峰值高的点，这两个点之间的区域就是该峰值的“影响区间”；
2. 在影响区间内，找到左右两侧的最低谷值，取两者中的较大值作为基准线；
3. 突出度 = 峰值y值 - 基准线y值；
4. 仅保留突出度≥指定值的峰值。

宽度过滤（width） #

计算峰值的指定高度下的宽度：

1. 基于突出度或指定的rel_height（相对高度，默认0.5即半高），确定宽度的计算基准高度（比如半高就是峰值y值 - 突出度/2）；
2. 在峰值左右两侧，通过线性插值找到第一个低于基准高度的点，计算这两个点之间的间距作为峰值宽度；
3. 保留宽度≥指定值的峰值。

边缘峰值处理 #

默认不判定数组首尾元素为峰值，若需包含边缘点，需结合wlen等参数调整：

• 第一个元素需满足x[0] > x[1]且通过其他过滤条件；
• 最后一个元素需满足x[-1] > x[-2]且通过其他过滤条件。

内容的提问来源于stack exchange，提问作者j1ling67n