实时时间序列数据中的峰值信号检测

Question

这个问题探索了用于检测实时时间序列数据中突然峰值的鲁棒算法。考虑以下数据集：p = [1 1 1.1 1 0.9 1 1 1.1 1 0.9 1 1.1 1 1 0.9 1 1 1.1 1 1 1 1 1.1 0.9 1 1.1 1 1 0.9 1, ...     1.1 1 1 1.1 1 0.8 0.9 1 1.2 0.9 1 1 1.1 1.2 1 1.5 1 3 2 5 3 2 1 1 1 0.9 1 1 3, ...      2.6 4 3 3.2 2 1 1 0.8 4 4 2 2.5 1 1 1];（Matlab格式，但与语言无关，与算法有关）您可以清楚地看到有三个大峰和一些小峰。该数据集是问题所涉及的时间序列数据集类别的特定示例。此类数据集具有两个常规功能：基本噪音一般有很大的“ 峰值 ”或“ 较高的数据点 ”，它们明显偏离了噪声。我们还假设以下内容：峰的宽度无法事先确定峰高明显偏离其他值使用的算法必须计算实时性（因此随每个新数据点进行更改）对于这种情况，需要构造一个触发信号的边界值。但是，边界值不能是静态的，必须根据算法实时确定。我的问题：实时计算此类阈值的好的算法是什么？有针对这种情况的特定算法吗？最著名的算法是什么？鲁棒的算法或有用的见解都受到高度赞赏。（可以用任何语言回答：这与算法有关）