峰值分析
此示例显示如何执行基本峰值分析。它将帮助您回答问题：我如何在我的信号中找到峰值？如何测量峰之间的距离？如何测量受趋势影响的信号的峰值幅度？如何在嘈杂的信号中发现峰值？如何找到当地的最小值？
寻找Maxima或Peaks
苏黎世太阳黑子相对数测量了太阳黑子的数量和大小。使用findpeaks.函数查找峰值的位置和值。
加载sunspot.dat年=太阳黑子（：，1）;Relnums = Sunspot（:,2）;Findpeaks（Relnums，年）Xlabel（“年”）ylabel（“太阳黑子数量”） 标题（'找到所有山峰'）
上面的图显示了300年来太阳黑子的数量，并标记了探测到的峰值。下一节将展示如何测量这些峰之间的距离。
测量峰间距离
信号的峰值似乎以一定的间隔出现。然而，有些山峰彼此非常接近。的minpeakpromence可以使用这些峰值。在遇到更大的值之前，将两侧下降至少40个相对太阳黑子数字的峰值。
findpeaks（Relnums，年，'minpeakprominence'，40）xlabel（“年”）ylabel（“太阳黑子数量”） 标题（'找到突出的峰值'）
以下柱状图显示了峰值区间在各年的分布情况:
figure [pks, locs] = findpeaks(relNums,year，'minpeakprominence', 40);Peakinterval = Diff（LOC）;直方图（Peakinterval）网格在Xlabel（“间隔年”）ylabel（发生的频率） 标题（'峰值间隔的直方图（年）'）
AverageageAstance_Peaks =均值（Diff（LOC））
AverageDistance_Peaks = 10.9600
分布表明，大多数峰间隔位于10到12年之间，表示信号具有循环性质。此外，峰之间的平均间隔为10.96岁与11年的已知循环太阳黑子活性相匹配。
在剪切或饱和信号中找到峰值
你可能想把平的峰视为峰或排除它们。在后一种情况下，最小偏移被定义为峰值与其相邻峰之间的幅值差，使用临界点财产。
加载Clippeaks.mat.数字%在第一个图中显示所有的峰值斧头（1）=子图（2,1,1）;findpeaks（saterateddata）xlabel（“样本”）ylabel（'振幅'） 标题（“检测饱和峰”）％在第二个绘图中指定最小偏移斧头（2）=子图（2,1,2）;findpeaks（sermateddata，'临界点'(5)包含“样本”）ylabel（'振幅'） 标题（'过滤饱和峰'）链接并放大以显示更改linkaxes (ax (1:2),'xy'）轴（AX，[50 70 0 250]）
第一副图显示，在一个平坦的峰，上升边被检测为峰。第二个子图显示，指定一个阈值可以帮助拒绝平坦的峰值。
测量峰值的振幅
该示例在ECG（电磁图）信号中显示了峰值分析。ECG是一种衡量心脏的电气活动随着时间的推移。信号通过连接到皮肤的电极测量，并且对由于运动伪像而敏感诸如电源干扰和噪声的扰动。
加载noisyecg.matt = 1：长度（noisyecg_withtrend）;图绘图（t，noisyecg_withtrend）标题（“带有趋势的信号”）Xlabel（“样本”）;ylabel ('电压（MV）')传说('嘈杂的心电图信号'） 网格在
争取数据
上述信号显示基线移位，因此不代表真正的幅度。为了消除趋势，将低阶多项式贴合到信号并使用多项式来拒绝它。
[p，s，mu] = polyfit（（1：numel（noisyecg_withtrend）'，noisyecg_withtrend，6）;f_y = polyval（p，（1：numel（noisyecg_withtrend））'，[]，mu）;ECG_DATA = NOISYECG_WITHTREND - F_Y;%去趋势数据图绘制(t, ECG_data)网格在ax =轴;轴([ax(1:2) -1.2 1.2])'贬低了ECG信号'）Xlabel（“样本”）ylabel（'电压（MV）')传说('贬低了ECG信号'）
去趋势后，找到QRS复峰，这是心电信号中最突出的重复峰。QRS复合体对应于人类心脏的左右心室的去极化。它可以用来确定病人的心率或预测心功能异常。下图显示了心电信号中QRS复波的形状。
寻找兴趣高峰的阈值
QRS复合体由三个主要组件组成：Q波，R波，S波．R波可以通过超过0.5 mV的阈值峰检测到。注意，R波被超过200个样本分开。使用此信息通过指定“MinPeakDistance”来删除不需要的峰值。
[〜，locs_rwave] = findpeaks（ECG_DATA，“MinPeakHeight”，0.5，．．.'minpeakdistance', 200);
为了检测S波，在信号中找到局部最小值并适当地应用阈值。
在信号中找到本地最小值
局部极小值可以通过在原始信号的反方向上寻找峰值来检测。
ECG_inverted = -ECG_data;[~, locs_Swave] = findpeaks (ECG_inverted,“MinPeakHeight”，0.5，．．.'minpeakdistance', 200);
下图显示了信号中检测到的R波和S波。
图保存在情节(t, ECG_data)情节(locs_Rwave ECG_data (locs_Rwave),“房车”，'markerfacecolor'，“r”)情节(locs_Swave ECG_data (locs_Swave),“rs”，'markerfacecolor'，“b”）轴（[0 1850 -1.1 1.1]）网格在传奇（'ECG信号'，R波的，“浪潮”）Xlabel（“样本”）ylabel（'电压（MV）'） 标题（噪声心电信号中的R波和S波）
接下来，我们尝试确定Q波的位置。阈值定位Q峰值的峰值导致检测不需要的峰值，因为Q波被埋入噪声。我们首先过滤信号，然后找到峰值。Savitzky-golay过滤用于消除信号中的噪声。
smoothECG = sgolayfilt (ECG_data 7 21);图绘制(t ECG_data“b”t smoothECG“r”） 网格在轴紧的Xlabel（“样本”）ylabel（'电压（MV）')传说('嘈杂的心电图信号'，'过滤信号'） 标题（'过滤嘈杂的心电图信号'）
我们对平滑信号进行峰值检测，并使用逻辑索引来查找Q波的位置。
[〜，min_locs] = findpeaks（-smoothecg，'minpeakdistance', 40);％峰值在-0.2mV和-0.5mV之间locs_Qwave = min_locs(smoocg (min_locs)>-0.5 & smoocg (min_locs)<-0.2);图保存在情节(t, smoothECG);情节(locs_Qwave smoothECG (locs_Qwave),“rs”，'markerfacecolor'，'G')情节(locs_Rwave smoothECG (locs_Rwave),“房车”，'markerfacecolor'，“r”）plot（locs_swave，shopdeccg（locs_swave），“rs”，'markerfacecolor'，“b”） 网格在标题（'信号中的阈值峰值'）Xlabel（“样本”）ylabel（'电压（MV）'）轴=轴;轴（[0 1850 -1.1 1.1]）传奇（光滑的ECG信号的，“Q波”，非线性波的，浪潮'）
上图显示了在噪声心电信号中成功检测到QRS复波。
嘈杂和平滑信号之间的误差
注意原始QRS复合物之间的平均差异和促进过滤信号。
极值的％值[val_qwave，val_rwave，val_swave] =交易（Shimplecg（locs_qwave），shockecg（locs_rwave），shockecg（locs_swave））;MeanError_qwave =均值（（noisyecg_withtrend（locs_qwave） - val_qwave））
MeanError_qwave = 0.2771
MeanError_rwave =均值（（noisyecg_withtrend（locs_rwave） - val_rwave））
MeanError_rwave = 0.3476.
MeanError_swave =均值（（noisyecg_withtrend（locs_swave） - val_swave））
MeanError_swave = 0.1844
这表明对噪声峰值分析进行了噪声的噪声。
峰特性
一些重要的峰值特性包括上升时间、下降时间、上升电平和下降电平。对心电信号中的每个QRS复形计算了这些性质。这些属性的平均值如下图所示。
avg_riseTime =意味着(locs_Rwave-locs_Qwave);％平均上升时间avg_falltime =均值（locs_swave-locs_rwave）;平均下降时间%avg_riselevel =均值（val_rwave-val_qwave）;％平均上升水平avg_fallLevel =意味着(val_Rwave-val_Swave);％平均下降水平Helperpeakanalissinplot（T，Smoothecg，．．.locs_qwave，locs_rwave，locs_swave，．．.val_Qwave、val_Rwave val_Swave,．．.avg_risetime，avg_falltime，．．.avg_riselevel，avg_falllevel）
另请参阅
您还可以从以下列表中选择一个网站：
