Matlab 如何找到向量的相对最小值（不是最小值）

让我们假设我有一个值向量，其表示形式如下：

数据向量有2000个元素，如您所见，还有一个向量的角度介于-180º和180º之间。我想找到每个最小峰值的指数，但我不知道如何实现该算法

在其他情况下，我设置了一个阈值（例如-75dBm），并考虑了-75dBm以下的最小值，但在这种情况下，峰值在-70dBm以上，我不能增加阈值，因为我的测量结果将是错误的

---

我希望有人能帮助我。感谢您的回复。

对于这样的数据，您最好的办法是平滑它，然后使用FindPeak

例如

%% parameters to adjsut
%smoothing window length
smthwin=50;
%minimum peak prominence
mpp=0.01;

%% create some test data
x=(1:1000)/1000;
y=sin(3*x-0.5).*sin(5*x).*sin(9*x-0.1).*sin(15*x-0.3)+rand(size(x))/10;

%% smooth and findpeaks
%smooth it
%here I use a median filter, but smooth() is a great function too with lots of options 
ysmth=medfilt1(y,smthwin);

%use findpeaks on -y to find local minima
[pks,pks_loc]=findpeaks(-ysmth,'MinPeakProminence',mpp);
%the location of the local minima is 
mins=x(pks_loc);

%%plot to check
figure
plot(x,y)
hold on
plot(mins,-pks,'o','LineWidth',2)

---

使用卡尔曼/低通滤波器（因为数据看起来有噪声），然后使用内置函数

islocalmin

。我有Matlab 2015，函数

islocalmin

似乎没有实现，因此您可以以相同的方式使用

idy=findpeaks（-filtered_y）

当我过滤数据时，一些最小值太轻，以至于

findpeaks

功能无法找到它们。有两种选择：1）改进过滤器2）不要应用过滤器并检测所有实际最小值（但你会得到很多最小值）。我不认为对数据进行平滑处理的笼统建议是最佳做法。。。您的峰值可能与原始数据中的峰值不一致。您最好使用

findpeaks

的额外输出，并在高度和/或宽度阈值上限制已识别的峰值，如我在问题上所述，或者使用

mpp

。