该LabVIEW 程序实现信号峰值检测，通过 “小波变换法” 与 “曲线拟合法” 两类 VI ，对比不同算法在信号特征提取中的表现，根据场景选优方案。
算法说明
基于小波变换的峰值检测 VI（WA Multiscale PeakDetection VI ）
算法原理
利用小波变换的多尺度分析特性，将信号分解到不同频率尺度。通过对各尺度小波系数的分析，捕捉信号在不同频率成分下的峰值与谷值。简单说，就是把复杂信号 “拆分” 成多个频率层，逐层找特征点。
功能
精准识别非平稳、含噪声复杂信号（如机械振动、生物医学信号）的峰值 / 谷值，挖掘深层特征。
使用场合
适用于非平稳、多频率成分且含噪声的信号场景，像轴承故障振动监测（信号含冲击、噪声）、心电信号分析（有基线漂移等干扰）。
特点
- 多尺度适配复杂信号，抗噪性强，能区分信号特征与噪声。
- 但计算复杂度高，大数据量时可能拖慢程序。
注意事项
需调试小波基函数、分解尺度等参数；大数据量场景关注运行效率。
对比类似功能
传统单一阈值法仅靠幅度判峰，易受噪声干扰；小波法借多尺度分析，复杂信号检测更准，但计算成本高。
基于曲线拟合的峰值检测 VI（Detects peaks and valleyswith curve fitting method ）
算法原理
对信号局部区域（如设定宽度的窗口）做曲线拟合（如多项式拟合），依据拟合曲线的极值点，定位原始信号的峰值 / 谷值。即局部 “画曲线”，用曲线趋势找特征。
功能
快速检测相对平稳、噪声弱的信号峰值/ 谷值，适配常规传感器慢变信号、简单周期信号分析。
使用场合
信号平稳（如环境温湿度慢变信号）、对效率要求高，或信号特征简单（如已知频率的标准正弦波）的场景。
特点
计算简单高效，适合平稳信号；但依赖信号局部平稳性，受拟合模型、窗口参数影响大。
注意事项
需合理设拟合窗口（Width）、选拟合模型（如线性、多项式阶数），否则易误判。
对比类似功能
比差分法（算信号差分找极值），拟合考虑局部趋势，稍抗噪，但复杂度高；对比小波法，平稳信号处理快，复杂信号检测准确性、鲁棒性弱。
