matlab半峰检测算法

Matlab中常用的半峰检测算法是基于波峰波谷的分析方法，具体步骤如下：

1. 对信号进行平滑处理，可以使用滑动平均或者高斯平滑等方法。

2. 找出信号的最大值和最小值，这些点就是信号的波峰和波谷。

3. 计算波峰和波谷之间的差值，这些差值就是信号的半峰宽度。

4. 选取一个阈值，将半峰宽度大于阈值的点作为信号的半峰。

下面是一段示例代码：

% 生成示例信号
x = linspace(0, 2*pi, 100);
y = sin(x) + randn(size(x))*0.1;

% 平滑处理
y_smooth = smooth(y, 5);

% 找出最大值和最小值
[pks, locs] = findpeaks(y_smooth);
[valleys, valley_locs] = findpeaks(-y_smooth);
valleys = -valleys;

% 计算半峰宽度
half_widths = zeros(size(pks));
for i = 1:length(pks)
    idx = find(valley_locs < locs(i), 1, 'last');
    left_valley = valleys(idx);
    left_idx = valley_locs(idx);
    idx = find(valley_locs > locs(i), 1, 'first');
    right_valley = valleys(idx);
    right_idx = valley_locs(idx);
    half_widths(i) = (right_idx - left_idx) / (right_valley - left_valley) * (pks(i) - left_valley);
end

% 选取半峰宽度大于阈值的点作为半峰
threshold = 0.5;
half_widths = half_widths / max(half_widths);
half_peaks = pks(half_widths > threshold);

% 绘制结果图像
figure;
plot(x, y);
hold on;
plot(x, y_smooth);
plot(locs, pks, 'ro');
plot(valley_locs, valleys, 'g^');
plot(locs(half_widths > threshold), half_peaks, 'bs');
legend('Original signal', 'Smoothed signal', 'Peaks', 'Valleys', 'Half peaks');

这段代码生成了一个示例信号，并对其进行了半峰检测。你可以根据自己的需要修改代码中的平滑方法、阈值等参数。