MATLAB學(xué)習(xí)help之——Signal Smoothing from Signal Processing Toolbox

今天學(xué)習(xí)的是 Signal Processing Toolbox的 一個(gè) Signal Smoothing 例程

Step1 .
加載數(shù)據(jù)哑蔫,使用的是波士頓的溫度數(shù)據(jù)碰声,每1小時(shí)一個(gè)數(shù)據(jù)姑蓝,共計(jì)31天,744個(gè)數(shù)據(jù)嘶是,然后畫圖

load bostemp
days = (1:31*24)/24;
plot(days, tempC), axis tight;
ylabel('Temp (\circC)');
xlabel('Time elapsed from Jan 1, 2011 (days)');
title('Logan Airport Dry Bulb Temperature (source: NOAA)');

結(jié)果如下


圖片.png

Step2.
做滑動(dòng)平均债蜜,因?yàn)楦信d趣的是每一天對(duì)整個(gè)溫度的影響晴埂。所以用一個(gè)滑動(dòng)平均做濾波處理究反, 滑動(dòng)平均濾波器的長度為24,即24小時(shí)的長度儒洛。

hoursPerDay = 24;
coeff24hMA = ones(1, hoursPerDay)/hoursPerDay;

avg24hTempC = filter(coeff24hMA, 1, tempC);
plot(days, [tempC avg24hTempC]);
legend('Hourly Temp','24 Hour Average (delayed)','location','best');
ylabel('Temp (\circC)');
xlabel('Time elapsed from Jan 1, 2011 (days)');
title('Logan Airport Dry Bulb Temperature (source: NOAA)');

處理后的效果如下


圖片.png

Step3.
去除移動(dòng)延遲精耐。對(duì)于每個(gè)對(duì)稱的長度為N的濾波器,其時(shí)間延遲為(N-1)/2琅锻,所以

fDelay = (length(coeff24hMA)-1)/2;
plot(days, tempC, 'b', ...
     days-fDelay/24, avg24hTempC, 'g');
axis tight;
legend('Hourly Temp','24 Hour Average','location','best');
ylabel('Temp (\circC)');
xlabel('Time elapsed from Jan 1, 2011 (days)');
title('Logan Airport Dry Bulb Temperature (source: NOAA)');

效果如下


圖片.png

Step4.
抽取平均差異卦停。 查看每個(gè)時(shí)刻的溫度對(duì)整體溫度的影響, 所以把31天相同時(shí)間的溫度做平均處理恼蓬。

figure
deltaTempC = tempC - avg24hTempC;
deltaTempC = reshape(deltaTempC, 24, 31).';

plot(1:24, mean(deltaTempC)), axis tight;
title('Mean temperature differential from 24 hour average');
xlabel('Hour of day (since midnight)');
ylabel('Temperature difference (\circC)');

效果如下惊完,注意reshape函數(shù)后面有矩陣轉(zhuǎn)置


圖片.png

Step5.
用帶權(quán)重的滑動(dòng)平均濾波器濾波。用的是二項(xiàng)式濾波滚秩,(1/2,1/2)^n 专执,n很大時(shí),接近于正太曲線郁油,當(dāng)n小時(shí)可以用來濾除高頻分量本股。濾波器系數(shù)的生成方法為,(1/2,1/2)和(1/2,1/2)做卷積桐腌,然后再繼續(xù)和(1/2,1/2)遞歸卷積拄显。如下

h = [1/2 1/2];
binomialCoeff = conv(h,h);
for n = 1:4
    binomialCoeff = conv(binomialCoeff,h);
end

figure
fDelay = (length(binomialCoeff)-1)/2;
binomialMA = filter(binomialCoeff, 1, tempC);
plot(days, tempC, 'b', ...
     days-fDelay/24,  binomialMA, 'g');
axis tight;
legend('Hourly Temp','Binomial Weighted Average','location','best');
ylabel('Temp (\circC)');
xlabel('Time elapsed from Jan 1, 2011 (days)');
title('Logan Airport Dry Bulb Temperature (source: NOAA)');

濾波效果如下


圖片.png

得到的濾波器系數(shù)如下


圖片.png

Step 6.
指數(shù)滑動(dòng)濾波,和高斯擴(kuò)展濾波類似案站。這種帶權(quán)重的滑動(dòng)濾波器的特點(diǎn)就是需要的窗口很小躬审,對(duì)資源占用小

alpha = 0.45;
exponentialMA = filter(alpha, [1 alpha-1], tempC);
plot(days, tempC, 'b', ...
     days-fDelay/24,  binomialMA, 'g', ...
     days-1/24,       exponentialMA,'r');

axis tight;
legend('Hourly Temp', ...
       'Binomial Weighted Average', ...
       'Exponential Weighted Average','location','best');
ylabel('Temp (\circC)');
xlabel('Time elapsed from Jan 1, 2011 (days)');
title('Logan Airport Dry Bulb Temperature (source: NOAA)');
圖片.png

從如下的放大波形可以看到,極值被去掉了


圖片.png

Step7.
為了更緊密的跟蹤信號(hào)蟆盐,可以采用 擬合式的濾波器來濾波承边, 這也是一種最小方差概念意義的濾波器。
采用sgolayfilt 這個(gè)函數(shù)來實(shí)現(xiàn)一個(gè) Savitzky-Golay smoothing filter石挂, 這個(gè)函數(shù)會(huì)自動(dòng)的計(jì)算參數(shù)和時(shí)間延遲等博助。其中第三個(gè)參數(shù)必須為奇數(shù)

cubicMA   = sgolayfilt(tempC, 3, 7);
quarticMA = sgolayfilt(tempC, 4, 7);
quinticMA = sgolayfilt(tempC, 5, 9);
plot(days, [tempC cubicMA quarticMA quinticMA]);
legend('Hourly Temp','Cubic-Weighted MA', 'Quartic-Weighted MA', ...
       'Quintic-Weighted MA','location','southeast');
ylabel('Temp (\circC)');
xlabel('Time elapsed from Jan 1, 2011 (days)');
title('Logan Airport Dry Bulb Temperature (source: NOAA)');
axis([3 5 -5 2]);
圖片.png

Step8.
關(guān)于重采樣。
有時(shí)候?yàn)榱藨?yīng)用一個(gè)滑動(dòng)濾波器痹愚,可以先對(duì)信號(hào)重新采樣富岳。
先加載一個(gè)電壓信號(hào)

load openloop60hertz
fs = 1000;
t = (0:numel(openLoopVoltage)-1) / fs;
plot(t,openLoopVoltage);
ylabel('Voltage (V)');
xlabel('Time (s)');
title('Open-loop Voltage Measurement');
圖片.png

可以看到,信號(hào)采樣1KHz拯腮,但是有很多60Hz的交流干擾窖式。
先應(yīng)用一個(gè)一致的滑動(dòng)平均濾波器,因?yàn)?1000 / 60 = 16.667动壤, 所以滑動(dòng)窗大小取17

plot(t,sgolayfilt(openLoopVoltage,1,17));
ylabel('Voltage (V)');
xlabel('Time (s)');
title('Open-loop Voltage Measurement');
legend('Moving average filter operating at 58.82 Hz', ...
       'location','southeast');

濾波后效果如下


圖片.png

可以看到60Hz的干擾依然存在

因?yàn)?7 * 60 Hz = 1020 Hz萝喘,所以重采樣的頻率設(shè)為1020,如下

fsResamp = 1020;
vResamp = resample(openLoopVoltage, fsResamp, fs);
tResamp = (0:numel(vResamp)-1) / fsResamp;
vAvgResamp = sgolayfilt(vResamp,1,17);
plot(tResamp,vAvgResamp);
ylabel('Voltage (V)');
xlabel('Time (s)');
title('Open-loop Voltage Measurement');
legend('Moving average filter operating at 60 Hz','location','southeast');
圖片.png

可以看出干擾基本沒有了。

Step8.
中值濾波蜒灰。 有時(shí)候信號(hào)里面有毛刺spikes弦蹂,如下

spikeSignal = zeros(size(openLoopVoltage));
spikeSignal(1:100:2000) = -6;
noisyLoopVoltage = openLoopVoltage + spikeSignal;
plot(t, noisyLoopVoltage)
ylabel('Voltage (V)');
xlabel('Time (s)');
title('Open-loop Voltage Measurement (spikes added)');
圖片.png

重采樣并采用 Savitzky-Golay 濾波后的效果如下

vResamp = resample(noisyLoopVoltage, fsResamp, fs);
tResamp = (0:numel(vResamp)-1) / fsResamp;
vAvgResamp = sgolayfilt(vResamp,1,17);
plot(tResamp,vAvgResamp);
ylabel('Voltage (V)');
xlabel('Time (s)');
title('Open-loop Noisy Voltage Measurement (spikes added)');
legend('Moving average filter operating at 60 Hz','location','southeast');
圖片.png

可見毛刺沒有去掉,且變寬了强窖。

采用中值濾波,因?yàn)槊痰膶挾戎挥?削祈,所以中值濾波的寬度設(shè)為3翅溺,如下

medfiltLoopVoltage = medfilt1(noisyLoopVoltage, 3);
vResamp = resample(medfiltLoopVoltage, fsResamp, fs);
tResamp = (0:numel(vResamp)-1) / fsResamp;
vAvgResamp = sgolayfilt(vResamp,1,17);
plot(tResamp,vAvgResamp);
ylabel('Voltage (V)');
xlabel('Time (s)');
title('Open-loop Noisy Voltage Measurement (spikes added)');
legend('Median and moving average filtered','location','southeast');

效果如下


圖片.png

總結(jié):

  1. 學(xué)習(xí)到的函數(shù)主要有如下幾個(gè),
    filter髓抑,用來做濾波
    reshape咙崎,重新排列數(shù)據(jù)
    conv,卷積函數(shù)
    sgolayfilt吨拍,用于 Savitzky-Golay smoothing filter
    numel褪猛, 數(shù)組元素個(gè)數(shù)
    medfilt1, 中值濾波

  2. 幾種滑動(dòng)濾波方法
    滑動(dòng)平均濾波羹饰,用來濾除高頻
    二項(xiàng)式濾波伊滋,當(dāng)n比較小時(shí),濾除高頻成分
    指數(shù)式移動(dòng)平均濾波队秩,最濾波窗的要求小
    Savitzky-Golay smoothing filter笑旺,多項(xiàng)式濾波
    中值濾波,用來濾除毛刺

  3. 為了能更好的應(yīng)用滑動(dòng)平均濾波馍资,可以先對(duì)數(shù)據(jù)進(jìn)行重采樣筒主。

  4. 滑動(dòng)平均濾波后的信號(hào)都有延遲,要把延遲考慮進(jìn)去鸟蟹。

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末乌妙,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子建钥,更是在濱河造成了極大的恐慌藤韵,老刑警劉巖,帶你破解...
    沈念sama閱讀 218,036評(píng)論 6 506
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件锦针,死亡現(xiàn)場(chǎng)離奇詭異荠察,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)奈搜,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,046評(píng)論 3 395
  • 文/潘曉璐 我一進(jìn)店門悉盆,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人馋吗,你說我怎么就攤上這事焕盟。” “怎么了?”我有些...
    開封第一講書人閱讀 164,411評(píng)論 0 354
  • 文/不壞的土叔 我叫張陵脚翘,是天一觀的道長灼卢。 經(jīng)常有香客問我,道長来农,這世上最難降的妖魔是什么鞋真? 我笑而不...
    開封第一講書人閱讀 58,622評(píng)論 1 293
  • 正文 為了忘掉前任,我火速辦了婚禮沃于,結(jié)果婚禮上涩咖,老公的妹妹穿的比我還像新娘。我一直安慰自己繁莹,他們只是感情好檩互,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,661評(píng)論 6 392
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著咨演,像睡著了一般闸昨。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上薄风,一...
    開封第一講書人閱讀 51,521評(píng)論 1 304
  • 那天饵较,我揣著相機(jī)與錄音,去河邊找鬼村刨。 笑死告抄,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的嵌牺。 我是一名探鬼主播打洼,決...
    沈念sama閱讀 40,288評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼逆粹!你這毒婦竟也來了募疮?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 39,200評(píng)論 0 276
  • 序言:老撾萬榮一對(duì)情侶失蹤僻弹,失蹤者是張志新(化名)和其女友劉穎阿浓,沒想到半個(gè)月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體蹋绽,經(jīng)...
    沈念sama閱讀 45,644評(píng)論 1 314
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡芭毙,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,837評(píng)論 3 336
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了卸耘。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片退敦。...
    茶點(diǎn)故事閱讀 39,953評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖蚣抗,靈堂內(nèi)的尸體忽然破棺而出侈百,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 35,673評(píng)論 5 346
  • 正文 年R本政府宣布钝域,位于F島的核電站讽坏,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏例证。R本人自食惡果不足惜路呜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,281評(píng)論 3 329
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望织咧。 院中可真熱鬧拣宰,春花似錦、人聲如沸烦感。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,889評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽手趣。三九已至,卻和暖如春肥荔,著一層夾襖步出監(jiān)牢的瞬間绿渣,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 33,011評(píng)論 1 269
  • 我被黑心中介騙來泰國打工燕耿, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留中符,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 48,119評(píng)論 3 370
  • 正文 我出身青樓誉帅,卻偏偏與公主長得像淀散,于是被迫代替她去往敵國和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子蚜锨,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,901評(píng)論 2 355

推薦閱讀更多精彩內(nèi)容