峰值检测的陷阱：为什么你的find_peaks结果总是不准确？

峰值检测的陷阱：为什么你的find_peaks结果总是不准确？

信号处理中，峰值检测是一个看似简单却暗藏玄机的任务。许多初学者在使用scipy.signal.find_peaks时，往往会遇到结果不符合预期的情况——要么漏掉了真正的峰值，要么检测出大量虚假峰值。这背后往往隐藏着对参数理解的偏差、对信号特性的忽视，以及缺乏系统性的预处理思维。

1. 参数陷阱：threshold与distance的隐藏逻辑

find_peaks的核心在于参数设置，而threshold和distance是最常用却也最容易被误解的两个参数。

threshold参数并非简单的绝对值阈值，而是指峰值与其相邻样本的垂直距离。这意味着：

# 错误示范：误将height参数当作threshold使用
peaks, _ = find_peaks(x, threshold=0.5)  # 这实际上比较的是峰值与相邻点的差值

# 正确做法：明确区分height和threshold
peaks, props = find_peaks(x, height=0.5, threshold=0.1)  # 同时控制绝对高度和相对高度

distance参数的行为则更为微妙。它并非简单的"最小间隔"，而是采用了一种迭代式过滤算法：

1. 首先检测所有候选峰值
2. 从最低的峰值开始移除
3. 确保剩余峰值间距离≥设定值
4. 重复直到所有峰值满足条件

这种机制导致了一个常见误区：开发者期望保留"重要峰值"，结果却保留了不符合业务逻辑的峰值。例如在ECG分析中：

# 可能产生意外结果的用法
peaks = find_peaks(ecg, distance=100)[0]  # 可能保留不重要的波