信号的峰值是最显著和最有用的特征。因此，峰值分析是信号处理的一个重要领域。你可能想知道信号中有多少个峰，它们彼此之间的距离有多远，或者它们是否遵循某种模式。在本视频中，我将向您展示如何使用find peaks函数检测、定位和显示信号的峰值。我将集中讨论两个典型的任务:通过测量信号峰值之间的距离来确定信号的周期，以及在噪声信号中找到峰值。
让我们把一些数据加载到MATLAB中®．这张图显示了过去300年来观测到的太阳黑子的数量。太阳黑子是出现在太阳表面的黑子或斑块。
它们的数量是周期性变化的。这个信号显然包含很多峰。让我们使用查找峰值函数来查看它们的位置。该函数在不带输出参数的情况下阻塞信号并显示所有峰值。
可以使用结束峰值选项限制显示的峰值数量。在这里，我选择显示前15个峰值。您可能还想过滤掉那些与其他峰值非常接近、不能提供新信息的峰值。使用最小峰值距离选项来忽略那些紧密间隔的峰值。有关可用属性的列表，请参阅查找峰值的文档。
我们现在可以计算两个最大值之间的距离，以了解太阳黑子活动高峰的频率。寻峰揭示了峰的振幅和它们的位置。将该函数应用于该信号，将返回太阳黑子在峰值年份和峰值年份本身的数量。
我将最小峰值距离参数设置为6，以忽略紧密间隔的峰值。我们看到第一个高峰出现在1705年，第二个高峰出现在1717年，以此类推。第一个和第二个高峰之间有12年的间隔，第二个和第三个高峰之间有10年的间隔，以此类推。我们可以对峰值年份使用diff函数，求出平均区间。这个数字是10.96年，大约等于实际的太阳黑子周期为11年。
接下来，我们将了解如何检测噪声信号中的峰值。让我们在MATLAB中加载一个心电信号片段。尽管有这些噪音，我们在心电信号中看到了一个重复的结构。
最明显的上下模式被称为QRS复合体。心脏病学家利用QRS复合体的特性来诊断心脏异常行为。向上的峰叫做R波。要检测它们，请将最小峰值高度选项设置为0.5毫伏。由于噪声的存在，一些非R波的峰值有可能高于0.5阈值。为了过滤掉假阳性，我们可以通过将最小峰值距离设置为200来施加最小峰值分离。
R波之后的下降峰是S波。为了找到它们，我们可以像以前一样把信号颠倒过来。R波之前的下沉被称为Q波。它们很难被探测到，因为它们要小得多，而且经常被淹没在噪音中。一种解决方案是使用平滑滤波器消除一些噪声。Savitzky-Golay滤波器是一种常用的信号清理工具。
如果我们绘制原始数据和平滑数据，我们可以看到滤波使Q波更加清晰。我们现在可以检测、定位和显示Q峰，就像我们对R波和S波所做的那样。一旦我们发现并表征了这三组峰值，我们就可以详细地研究ECG信号了。有关更详细的信息，请参考信号处理工具箱文档中的峰值分析示例。
