Python中如何仅检测信号的尖锐峰值 排除宽平顶峰值干扰

方案1：直接调整scipy.signal.find_peaks参数 #

• plateau_size参数（核心）：该参数用于限定峰顶平坦区域的采样点数量，刚好适配你排除宽平顶峰的需求。你可以设置为plateau_size=(0,1)，即仅允许峰顶最多存在1个采样点的平坦区域，所有平顶超过1个采样点的宽峰会被直接过滤。
• width参数：该参数限定峰值在半高处的宽度，你可以先统计目标尖锐峰的半高宽范围，比如你的尖锐峰半高宽普遍在3个采样点以内，就设置width=(0,3)，进一步过滤宽度超标的宽峰。
• threshold参数（可选）：该参数限定峰值与左右相邻采样点的最小差值，尖锐峰的相邻差值远大于平缓宽峰，可根据你的信号幅值设置合适阈值，过滤掉变化平缓的假峰。

方案2：前置预处理降低检测难度 #

你目前用滑动窗口差值的思路本身是合理的，可以进一步优化预处理逻辑：

• 先对原始信号做一阶差分计算：np.diff(原始信号)，尖锐电平跳变的位置差分结果会出现极高的幅值，宽平顶区域的差分结果幅值极低甚至为0，对差分后的信号做峰值检测，区分度会远高于原始信号。
• 如果信号噪声较高，可以先做窗口大小不超过3的移动平均平滑，注意不要用过大的平滑窗口，否则会磨平你需要识别的尖锐峰值。

示例代码 #

import numpy as np
from scipy.signal import find_peaks

# 此处的processed_signal可以是你计算得到的滑动窗口差值信号，也可以是一阶差分后的预处理信号
peaks, properties = find_peaks(
    processed_signal,
    plateau_size=(0, 1),  # 过滤宽平顶峰核心参数
    width=(0, 3),  # 根据实际尖锐峰宽度调整上限
    prominence=0.05  # 可选，过滤幅值过低的噪声小峰，数值根据信号幅值调整
)

注：所有参数的数值阈值都需要你结合自身信号的采样率、幅值范围做适配调整，你可以先手动标注几个目标尖锐峰和要排除的宽峰，统计两者的半高宽、平顶长度等数值，再设置对应的过滤阈值即可。

内容的提问来源于stack exchange，提问作者kspr