基于SciPy的加速度峰检测：峰值>20且谷值在0-5之间

核心思路 #

要满足你的检测需求，需同时匹配两个约束条件：

• 峰值本身数值大于20
• 峰值的左右相邻局部谷值处于0-5区间内

原代码仅通过height=24筛选峰值，既错误提高了峰值阈值，也完全未考虑谷值的约束要求，因此结果不符合预期。以下是针对性的实现方案：

代码实现 #

import numpy as np
from scipy.signal import find_peaks, argrelextrema
import matplotlib.pyplot as plt

# 你的加速度数据
x = np.array([1, 9, 18, 24, 26, 5, 26, 25, 26, 16, 20, 16, 23, 5, 1, 27, 
              22, 26, 27, 26, 25, 24, 25, 26, 3, 25, 26, 24, 23, 12, 22, 11, 
              15, 24, 11, 26, 26, 26, 24, 25, 24, 24, 22, 22, 22, 23, 24])

# 1. 先筛选出所有大于20的峰值
all_peaks, peak_props = find_peaks(x, height=20)

# 2. 提取所有局部谷值，用于后续验证
valleys = argrelextrema(x, np.less)[0]

# 3. 逐一验证峰值的相邻谷值条件
valid_peaks = []
for peak_idx in all_peaks:
    # 找到峰值左侧最近的谷值
    left_nearest_valley = valleys[valleys < peak_idx][-1] if len(valleys[valleys < peak_idx]) > 0 else None
    # 找到峰值右侧最近的谷值
    right_nearest_valley = valleys[valleys > peak_idx][0] if len(valleys[valleys > peak_idx]) > 0 else None

    # 验证左右谷值是否在0-5区间内
    left_valid = 0 <= x[left_nearest_valley] <=5 if left_nearest_valley is not None else False
    right_valid = 0 <= x[right_nearest_valley] <=5 if right_nearest_valley is not None else False

    if left_valid and right_valid:
        valid_peaks.append(peak_idx)

valid_peaks = np.array(valid_peaks)

# 可视化结果
fig = plt.figure(figsize=(10,4))
plt.plot(x, label='加速度数据')
plt.plot(all_peaks, x[all_peaks], 'o', color='orange', label='所有>20的峰值')
plt.plot(valid_peaks, x[valid_peaks], 'x', color='red', label='符合谷值条件的目标峰值')
plt.plot(valleys, x[valleys], '^', color='green', label='局部谷值')
plt.legend()
plt.show()

关键步骤说明 #

1. 初始峰值筛选：用height=20替代原代码的24，确保覆盖所有符合峰值下限要求的点。
2. 谷值提取：通过argrelextrema识别所有局部最小值，作为验证峰值的核心依据。
3. 谷值条件验证：对每个峰值，分别定位其左右最近的谷值，只有两个谷值都落在0-5区间内的峰值，才会被判定为有效目标峰值。
4. 可视化对比：通过不同标记区分所有候选峰值和最终有效峰值，直观验证检测结果。

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