# algorithm-ampd

**Repository Path**: thewon/algorithm-ampd

## Basic Information

- **Project Name**: algorithm-ampd
- **Description**: AMPD(Automatic Multi-Scale Peak Detection) 峰值检测算法
- **Primary Language**: C++
- **License**: LGPL-3.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-08-13
- **Last Updated**: 2025-08-14

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# algorithm-ampd

#### 介绍

AMPD(Automatic Multi-Scale Peak Detection) 峰值检测算法。

本仓库收藏了多种峰值检测算法。AMPD 是其中的一种。

在测试过程中，发现了它们的一些应用局限性及优势。

#### AMPD 算法说明

AMPD 算法是一种多尺寸峰值检测算法，希望从一定长度的样本数据中检测出若干峰值。

假设样本数量为 N

首先构造若干个不同尺寸（1 - N/2）的窗口，使用不同大小的窗口在样本数据上，从左往右滑动，比较 `[i - k]` `[i]` `[i + k]` 三个值的关系。理论上、峰值的位置，公式 `[i - k] <= [i] && [i] >= [i + k]` 在所有窗口尺寸上均成立，而其它位置部分成立。因此，对每个尺寸窗口成立次数计数，计数最大的那个就是窗口最合适的，也就是峰值所在的位置（计数次数值）。

算法缺陷：
1. 算法假定样本数据只包含半个周期数据（只有一个峰值，且在数据中间位置），对于挨近数据两头的峰值反而检测不出来
2. 样本数据包含半个周期数据，且初始相位在 0 度（或 180 度）附近时，检测结果最理想。如果是 90 到 -90 度半个周期，或者 -90 到 90 度半个周期，将检测不到任何峰值。
3. 在所有采样数据流上，为了保证做到检测出所有峰值。样本数据必须足够长，同时，更新数据时必须保留部分旧数据（可能存在峰值，但是未检测出来）。因此有部分数据重复参与算法，算法效率降低。

#### 自定义的峰值检测算法

鉴于上述 AMPD 算法的缺陷，设计出来一种新的算法。

算法假定，样本数据是平滑的、稳定的。虽然长时间数据有漂移，但是短期内认为数据在某个值附近波动，波动峰值比较稳定（集中），周期变化也不大。

首先，采集一定数量样本数据，计算出一个平均值，并假定接下来的一段时间内数据的均值变化不是很大，可以用这个平均值近似认为是下一段时间的均值。

然后，遍历数据流，以平均值为基准，将数据划分成正周波和负周波，查找当前周波的最大（最小）值。同时累计下一个波形周期的平均值。

等价于，平均值将数据划分成一段一段的，每一段数据只包含半个周期数据（或只包含正周波，或只包含负周波）。进而，在每半个周期内查找到的极值点认为是峰值点。

算法有点：
1. 此方法只需要遍历一遍样本数据，因此可以不需要创建样本缓存。占用内存少，速度快；
2. 理论上对于任意大小周期都能检测出来。

算法缺陷：
1. 对数据波动比较敏感，假如某个点出现数据跳变，这个跳变点可能被错认为是峰值点。