峰值要么同时大于其前后两个数，要么同时小于其前后两个数。这样来判断就应该可以把峰值取出来！

含有噪声的图片在实际环境中的原始数据是这样显示的吗？ 这噪声频率有点低，貌似还是挺有规律的、
可以根据已知的波幅大小与波峰之间的距离设置阀值：当前峰值点离上个峰值点的横向最小距离与纵向最小距离，若找到一个峰值首先判断横纵距离能否大于最小阀值。
假如只是计算峰值点个数，可以试着先进行滤波将数据平滑处理，将噪声的波幅减小。

1.首先你得保证采样率合适，即有足够的数据点；
2.噪声是什么类型的噪声，高斯白噪声？有没有突发噪声？
3.判断峰值干嘛用呢？能判断出高低电平还不够？

假如你数据点足够多可以进行再采样, 例如你这段数据有上W个点的话就适用.数据点少的话就不用了。
至于平滑处理的方法有很多， 简单的均值滤波，中值滤波，5点3次平滑滤波等。复杂点的FFT,小波都行。不过平滑滤波多是对于含有高频噪声进行滤波的，你这种噪声滤波的意义不会太大。只能适当的将噪声减小，假如噪声与有效数据的差别很大的话， 也可以过度平滑将噪声减到最小。

拟合下本人觉得是可以的，拟合后噪声的影响就去掉了

法1：计算 X[i-n] 到 X[i+n] 这 2n+1 个点的平均值，作为 Y[i] 的值；
法2：计算积分（可以用梯形法），再求导（中心差分法），结果和法1应该差不多。
原因是你说“采样频率合适，有足够的数据点，而且数据点时间距离可以看成是“绝对均匀”的”，而且从图上看，噪音的幅度和持续实现较短，因此使用这两种滤波法效果应该还不错。

搜“低通滤波”

那就加个权 1,2,4,2,1 之类的。
既然是滤波，精确要求就得放低。

突发性的噪声用中值滤波啊。

本人但土办法就是求导，导数接近0的就是峰值，当然对于拐点，导数也是0，所以还得求下2次导数。不过原因是是离散点，所以求出的导出误差比较大，阀值难以掌控，所以说是土办法。

额，没看到噪音，其实你先去噪后在用LS的办法取峰值就行了，当然这会导致误差又大了点。本人去噪还是土办法，取临近N个点取平均~

还是采集点加个滤波吧。

先低通，再FFT看看主信号的间隔点数，算峰值的时候注意间隔，最后找出峰值位置，没试过，不知道效果咋样。