如何去除时变信号中的异常尖峰？

结合你提到的信号特性（初始上升后单调递减、尖峰有正负沿但无固定规律），以下是几个轻量且精准的解决方案，无需依赖机器学习或易失真的滤波工具：

方案1：基于单调特性的分段插值修正 #

• 步骤1：定位初始上升的峰值点
  遍历信号，找到第一个满足「后续连续3-5个点均呈递减趋势」的位置，该点即为真实信号的峰值点（初始上升段的终点），这段原始上升信号直接保留，无需处理。
• 步骤2：递减段的尖峰检测与修正
  从峰值点开始向后遍历：
  • 记录当前的「有效基准点」（初始为峰值点）；
  • 若当前点 > 有效基准点，判定为尖峰正沿，继续往后遍历，直到找到第一个点 < 有效基准点的位置，这段区间即为完整的尖峰；
  • 用有效基准点和尖峰结束后的第一个点做线性插值，替换整个尖峰区间的数值，同时更新有效基准点为尖峰结束后的点，保证后续信号始终单调递减。
• 优势：完全贴合信号固有特性，不会破坏真实信号的边缘趋势，无需依赖尖峰间距或频率特征。

方案2：一阶差分结合阈值的尖峰识别 #

• 步骤1：计算一阶差分
  生成差分序列：diff = signal[1:] - signal[:-1]
• 步骤2：基于差分特征标记尖峰
  真实递减段的差分应为小幅负值，而尖峰的特征是：先出现一个大幅正差分（正沿），紧接着出现一个绝对值远大于正常水平的负差分（负沿）。
  • 统计正常递减段的差分绝对值的均值，将其3-5倍设为阈值（pos_thresh 对应正差分上限，neg_thresh 对应负差分下限）；
  • 遍历差分序列，当检测到「正差分 > pos_thresh」后紧跟「负差分 < neg_thresh」时，标记这两个差分对应的原始信号区间为尖峰。
• 步骤3：修正尖峰
  用尖峰起始前的有效点和尖峰结束后的点做线性插值填充，保证整体单调递减。

方案3：滑动窗口单调性校验 #

• 设定一个小型滑动窗口（窗口大小3-5，根据采样率调整），从峰值点开始滑动：
  • 检查窗口内的点是否符合单调递减趋势；
  • 若窗口内出现非递减点（即存在尖峰片段），保留窗口内的最小值，或直接用窗口起始的有效基准点替换异常点；
  • 滑动窗口时，始终以上一个窗口的有效终点作为下一个窗口的基准，确保全局趋势的单调性。

关键注意事项 #

• 峰值点的定位是核心，可通过统计后续点的递减连续性避免误判（比如连续5个点递减则确定为峰值）；
• 阈值设定尽量基于正常信号段的统计值，避免手动调参的盲目性；
• 所有方案均无需复杂模型，计算效率高，且能最大程度保留真实信号的边缘特征。

内容的提问来源于stack exchange，提问作者user2551700