假设我有一个包含周期性事件的数据集，并且我正在确定一个阈值（峰值）来分隔每个事件（最终找到变异系数）。
我对这些数据进行了多次试验——这些事件的速度有时比其他事件快得多。这个数据也有点嘈杂，所以如果我没有在“findpeaks”函数中设置“minpeakdistance”约束，有时会发现一些“错误的局部最大值”。
我试图找到一种方法来确保无论速度如何，我都能找到“真正的局部最大值”。我一直在目视检查每个试验，以确保我只识别出真正的峰值——如果我也识别出错误的峰值，我已经为那个特定的试验调整了 mpd 值——但这实际上需要几天时间。
有什么建议么？
例子：
对于我收集的大多数试验，以下代码行仅识别真正的最大值：
mpd = 'minpeakdistance';
eval(['[t' num2str(a) '.Mspine.pks(:,1),t' num2str(a) '.Mspine.locs] = findpeaks(t' num2str(a) '.Mspine.xyz(:,1), mpd,25);']);
但是，对于试验 11，它们的移动速度要快得多，因此必须将 mpd 调整为 9；但是，如果我将 mpd 值 9 应用于所有试验，它将获取错误的局部最大值。