我需要优化一个方法，寻找数据峰值的数目在一维阵列。 数据是wav文件振幅的时间序列。

我已经实现了代码:

from scipy.io.wavfile import read
from scipy.signal import find_peaks


_, amplitudes = read('audio1.wav')


indexes, _ = find_peaks(amplitudes, height=80)
print(f'Number of peaks: {len(indexes)}')

绘制时，数据如下所示:

一般刻度

我感兴趣的‘峰’是人眼清楚的--在这个特定的数据集中有23个。

然而，由于阵列如此之大，数据在一般尺度下清晰的峰内是极其不同的（因此有数百个用蓝色十字标记的峰）:

放大到一个山峰

找峰的问题以前已经问过很多次了（我已经经历了很多次了！） -但我找不到任何帮助或解释优化参数，只找到我想要的峰值。 我对Python略知一二，但一说到数学分析就瞎了！

根据宽度分析似乎没有用，因为根据第二幅图像，在大尺度上清晰的峰实际上是散布在“无声”范围内的。 距离是没有帮助的，因为我不知道在其他wav文件中峰值会有多近。 突出法被认为是最好的方法，但我不能得到我需要的结果； 阈值也一样。 我还尝试过抽取信号，用Savitzky-Golay滤波器平滑信号，以及参数和值的不同组合，所有这些结果都不准确。

单凭身高就已经很有用了，因为我从图表中可以看到，山峰总是达到80以上。