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）