时序数据：极值滤波（保留原始数据长度）

用于事件阈值分割方法的滤波

 原始数据：

 极值滤波后：

# import numpy as np

def Compare_P(a,b): #输出绝对值较大的值
    a1 = np.absolute(a)
    b1 = np.absolute(b)
    if (a1 < b1):

        return b
    else:
        return a

def moving_peak_filter(data, window_size):
    # 创建一个与数据长度相同的空数组，并填充为NaN
    smoothed_data = np.full_like(data, np.nan)

    # 计算滑动窗口内数据的绝对值最大的值，并填充到结果数组中
    half_window = window_size // 2
    for i in range(len(data)):
        start = max(0, i - half_window)
        end = min(len(data), i + half_window + 1)
        a = np.max(data[start:end])
        b = np.min(data[start:end])
        smoothed_data[i] = Compare_P(a,b)

    return smoothed_data

window_size = 20 # 滤波窗口大小
# data = ... 读取需要降噪的数据
print("滤波前的数据长度:", len(data)) 

# 使用滑动均值滤波
smoothed_data = moving_peak_filter(data, window_size)

print("滤波后的数据长度:", len(smoothed_data))