clc,clear,close all;fclose all;

datapath = 'E:\done2\';

datFiles = dir([datapath, '*.txt']);

numFiles = length(datFiles);

data1 = [];

for i = 1:numFiles

data = load([datapath,datFiles(i).name]);

data1 = [data1,data];

end

x=1:350;                                % % 一共130个

[b,a]=butter(6,1/30/0.5,'low');         % % 想做低通滤波，让数据更平稳一些

% % 按你说的，如果间距不大，就当成一个峰

datalow=filtfilt(b,a,data1);             % % 做低通滤波

[min_datalow,~]=min(datalow);          % % 寻找各列的最小值

datalow=datalow-min_datalow;           % % 以数据最小值为基准

datalow(1,:)=datalow(2,:)+0.1;              % % 为了克服数据端点的影响

datalow(end,:)=datalow(end-1,:)+0.1;        % % 即使如此，两端依然可能受到影响

subplot(2,1,1),hold on;

[min_data1,~]=min(data1);          % % 寻找各列的最小值

plot(x,data1-min(data1),'-g','linewidth',2);      % % 原始数据

plot(x,datalow,'-r','linewidth',1);             % % 低通滤波数据

peaks_pick_all = [];                     % %用于存储分出的五个峰的矩阵

for i=1:numFiles                         % % 循环遍历每个峰

data4everpeaks = datalow(:,i);

[~,locs]=findpeaks(-data4everpeaks);

for ii=1:length(locs)-1;             % % 这个地方有点意思，注意是否要减一            % % 循环遍历每个峰

temp=nan(size(data4everpeaks));      % % 截取每一段峰

temp(locs(ii):locs(ii+1))=data4everpeaks(locs(ii):locs(ii+1));

idx=find(~isnan(temp));

ft=fittype('gauss1');                       % % 用钟型线去做拟合

% % 当然可以选择其他拟合方式

fitobject=fit(idx,temp(idx),ft);            % % 拟合并画图

vvv=fitobject.a1*exp(-((x-fitobject.b1)./fitobject.c1).^2); % % 存储每个峰的信息

peaks_pick_all=[peaks_pick_all,vvv'];

plot(fitobject.a1*exp(-((x-fitobject.b1)./fitobject.c1).^2),'-b','linewidth',1)

end

end

[max_peaks_pick_all,peaks_position]=max(peaks_pick_all);

peaks_area = trapz(peaks_pick_all);            % % 求解分出的峰的峰面积

aaa = [peaks_pick_all(:,1)+peaks_pick_all(:,2)+peaks_pick_all(:,3)+peaks_pick_all(:,4)+peaks_pick_all(:,5)]  % % 拟合峰的叠加

subplot(2,1,2)

plot(aaa);