也许你觉得这很有用：

N=500;                          %signal length  
t=0:N-1;
s=20*randn(size(t));
x=s;
p=200*[ones(1,5) -ones(1,5)];   %square artifact template
x(:,101:110)=x(:,101:110)+p;    %add artifact to signal at two random points
x(:,401:410)=x(:,401:410)+p;
figure;plot(x)
threshold = 1e5;                %peak detection threshold
c=xcorr(p,x);                   %cross-correlation
[pk l]=findpeaks(c,'MinPeakHeight',threshold);
l=N-l+1;                        %find the actual lag
y=x;
for j=1:numel(l)                %remove artifact
y(:,l(j):(l(j)+length(p)-1))=y(:,l(j):(l(j)+length(p)-1))-p;
end
hold on;
plot(y,'r--')
legend('corrupted signal','recovered signal')

由于其简单性而可能有用的另一个答案：如果尖峰以一致的速率发生，则长度为 T 的移动平均滤波器，其中 1/T 是尖峰的基本重复率，将在频率上方便地在尖峰频率和尖峰的每个谐波（考虑到尖峰将有许多整数谐波，这很方便）。此外，出于同样的原因，请选择一个为尖峰频率整数倍的采样率，以最大限度地减少折叠伪影（如果您有这种奢侈）。移动平均滤波器也会衰减信号内容（作为 Sinc 滤波器），因此这可能不是理想的解决方案。可选地，内插指数滤波器可以与相同的策略一起使用，除了在尖峰频率和谐波位置附近提供一个狭窄的零点，同时最小化其他频率的衰减。如果有兴趣，我可以提供具体细节。两种方法都假定峰值出现的频率一致。

更新：我在这篇文章中详细介绍了“插值指数滤波器”：我应该使用哪种滤波器来消除这个自相关函数中的振荡？显示以下示例谐波归零滤波器，如果它们确实以一致的重复率发生，我相信它可以很好地消除噪声尖峰。这是一个示例响应，但在实际实现中，零点将放置在噪声尖峰的重复率处，因此信号需要具有与尖峰相称的采样率，这可以在实现此滤波器之前通过重新采样来完成.