### Python 波形数据寻峰与计数 在处理波形数据时，可以利用 `scipy` 库中的信号处理工具来实现峰值检测和统计。以下是基于 Python 的一种方法： #### 使用 SciPy 寻找波形峰值 SciPy 提供了一个函数 `find_peaks` 来帮助识别一维数组中的局部最大值。该函数允许设置多种参数以调整峰值检测的标准[^1]。 ```python import numpy as np from scipy.signal import find_peaks import matplotlib.pyplot as plt # 假设这是您的波形数据 waveform_data = np.array([0, 2, 1, 3, 2, 4, 3, 5, 4, 6, 5, 7, 6, 8]) # 调用 find_peaks 函数寻找峰值 peaks_indices, _ = find_peaks(waveform_data, height=0) # 统计峰值数量 peak_count = len(peaks_indices) print(f"Detected Peaks Indices: {peaks_indices}") print(f"Number of Peaks Detected: {peak_count}") # 可视化结果 plt.plot(waveform_data, label='Waveform') plt.plot(peaks_indices, waveform_data[peaks_indices], 'ro', label='Peaks') # 高亮显示峰值位置 plt.legend() plt.show() ``` 此代码片段展示了如何通过调用 `find_peaks` 方法找到波形数据中的所有峰值，并将其可视化。其中，`height=0` 参数表示仅考虑高于零的峰值；如果需要更严格的条件，则可以通过其他参数进一步定制，例如 `distance`, `prominence`, 或者 `width` 等[^1]。 #### 自定义阈值过滤 有时可能希望只关注那些显著突出于背景噪声之上的高峰值。这可通过设定额外的高度或突显度约束完成: ```python custom_height_threshold = 3 filtered_peak_indices, properties = find_peaks(waveform_data, height=custom_height_threshold) filtered_peak_count = len(filtered_peak_indices) print(f"Filtered Peak Count (Height >= {custom_height_threshold}): {filtered_peak_count}") ``` 以上脚本会筛选出高度大于等于指定阈值的所有峰值点位及其总数目[^2]。 #### 结果解释 执行上述程序后，您将获得两个主要输出项——一个是所发现的所有符合条件的峰值索引列表，另一个则是这些有效峰值的数量总和。此外还附带了一张图表用于直观展示原始波形曲线连同标记出来的各个顶点所在之处。 ---