假设“干净数据”呈正态分布，并且尖峰偏离幅度显著，我们可以应用以下阶段：

• 计算数据的中值滤波（假设中值滤波结果不包括尖峰）。

medA = medfilt1(A);

• 计算数据与中值滤波数据之间的绝对差值。

与正常数据相比，absD中的尖峰将具有较大值。

absD = abs(A - medA);

• 定义某个阈值，高于该阈值的absD中的值被视为尖峰。

我们可以将阈值定义为medA的4*sigma（4*STD）。
注：阈值可能需要一些校准，以包括尖峰和排除数据。

sigma = std(medA);
 thresh = 4*sigma;

• 将spikes标记为absD > thresh所在的元素，并将“spikes”替换为medA中的值：

spikesA = absD > thresh;
 cleanA = A;
 cleanA(spikesA) = medA(spikesA);

代码样本（随机数据）：

% Create random input 
A = randn(1, 10000);

% Add some spikes.
A(100) = 5;
A(1000) = -7;
A(4000) = 6;
A(7000) = 15;

figure;plot(A);grid on;title('A');

medA = medfilt1(A);  % Apply median filter. In case there are few spikes next to each other, use medfilt1(A, 5) or medfilt1(A, 7)...
absD = abs(A - medA);  % Different of each element from it's median filtered value.

figure;plot(absD);grid on;title('absD');

sigma = std(medA);  % Compute standard deviation after median filtered (STD without the spikes)
thresh = 4*sigma;  % Define a threshold that above it data is considered a spikes - 4*sigma my need some calibration.

spikesA = absD > thresh;  % Logical array with true where difference from median is above thresh

cleanA = A;
cleanA(spikesA) = medA(spikesA);  % Replace the spikes with median filtered values.

figure;plot(cleanA);grid on;title('cleanA');

A（加标数据）：

absD（与“正常数据”相比，尖峰值较大）：

cleanA（用medA中的值替换尖峰）：