Projeto De Filtro Móvel Médio Em Matlab

Resposta de freqüência do filtro médio de corrida A resposta de freqüência de um sistema LTI é o DTFT da resposta de impulso. A resposta de impulso de uma média móvel de amostra de L é Como o filtro de média móvel é FIR, a resposta de freqüência reduz-se à soma finita. Pode usar a identidade muito útil para escrever a resposta de freqüência como onde nós deixamos ae menos jomega. N 0 e M L menos 1. Podemos estar interessados ​​na magnitude desta função, a fim de determinar quais frequências obtêm o filtro desatualizado e atenuados. Abaixo está um gráfico da magnitude desta função para L 4 (vermelho), 8 (verde) e 16 (azul). O eixo horizontal varia de zero a pi radianes por amostra. Observe que em todos os três casos, a resposta de freqüência possui uma característica de passagem baixa. Um componente constante (zero freqüência) na entrada passa pelo filtro desatualizado. Certas frequências mais altas, como pi 2, são completamente eliminadas pelo filtro. No entanto, se a intenção era projetar um filtro de passagem baixa, então não fizemos muito bem. Algumas das freqüências mais altas são atenuadas apenas por um fator de cerca de 110 (para a média móvel de 16 pontos) ou 13 (para a média móvel de quatro pontos). Nós podemos fazer muito melhor do que isso. O argumento acima foi criado pelo seguinte código Matlab: omega 0: pi400: pi H4 (14) (1-exp (-maome4)). (1-exp (-iomega)) H8 (18) (1-exp (- Iomega8)). (1-exp (-iomega)) H16 (116) (1-exp (-iomega16)). (1-exp (-iomega)) trama (omega, abs (H4) abs (H8) abs ( H16)) eixo (0, pi, 0, 1) Copyright copy 2000- - Universidade da Califórnia, BerkeleyCreado na quarta-feira, 08 de outubro de 2008 20:04 Atualizado em quinta-feira, 14 de março de 2013 01:29 Escrito por Batuhan Osmanoglu Acessos: 41059 Média móvel em Matlab Muitas vezes eu me encontro na necessidade de calcular a média os dados que eu tenho para reduzir um pouco o ruído. Eu escrevi algumas funções para fazer exatamente o que eu quero, mas os matlabs criados na função de filtro funcionam muito bem também. Aqui vou escrever sobre dados em média 1D e 2D. O filtro 1D pode ser realizado usando a função de filtro. A função de filtro requer pelo menos três parâmetros de entrada: o coeficiente de numerador para o filtro (b), o coeficiente de denominador para o filtro (a) e os dados (X), é claro. Um filtro de média em execução pode ser definido simplesmente por: Para dados 2D, podemos usar a função Matlabs filter2. Para obter mais informações sobre como funciona o filtro, você pode digitar: Aqui está uma implementação rápida e suja de um filtro médio 16 por 16 em movimento. Primeiro precisamos definir o filtro. Como tudo o que queremos é contribuição igual de todos os vizinhos, podemos usar apenas a função. Nós dividimos tudo com 256 (1616), uma vez que não queremos alterar o nível geral (amplitude) do sinal. Para aplicar o filtro, podemos simplesmente dizer o seguinte. Abaixo estão os resultados para a fase de um interferograma SAR. Neste caso, Range está no eixo Y e o Azimuth é mapeado no eixo X. O filtro tinha 4 pixels de largura em Gama e 16 pixels de largura em Azimuth. A documentação e o filtro (b, a, x) filtram os dados de entrada x usando uma função de transferência racional definida pelos coeficientes de numerador e denominador b e a. Se a (1) não for igual a 1., o filtro normaliza os coeficientes de filtro por um (1). Portanto, um (1) deve ser diferente de zero. Se x é um vetor, o filtro retorna os dados filtrados como um vetor do mesmo tamanho que x. Se x for uma matriz, o filtro age ao longo da primeira dimensão e retorna os dados filtrados para cada coluna. Se x for uma matriz multidimensional, o filtro atua ao longo da primeira dimensão da matriz cujo tamanho não é igual a 1. o filtro (b, a, x, zi) usa as condições iniciais zi para os atrasos do filtro. O comprimento do zi deve ser igual ao máximo (comprimento (a), comprimento (b)) - 1. O filtro y (b, a, x, zi, dim) atua ao longo da dim. Por exemplo, se x for uma matriz, então o filtro (b, a, x, zi, 2) retorna os dados filtrados para cada linha. Y, o filtro zf () também retorna as condições finais zf dos atrasos do filtro, usando qualquer uma das sintaxes anteriores. Função de transferência racional A descrição de entrada-saída da operação de filtro em um vetor no domínio de transformação Z é uma função de transferência racional. Uma função de transferência racional é da forma, Y (z) b (1) b (2) z x2212 1. B (n b 1) z x2212 n b 1 a (2) z x2212 1. A (n a 1) z x2212 n a X (z). Que lida com os filtros FIR e IIR 1. n a é a ordem do filtro de feedback e n b é a ordem do filtro feedforward. Você também pode expressar a função de transferência racional como a seguinte equação de diferença, a (1) y (n) b (1) x (n) b (2) x (n x2212 1). B (n b 1) x (n x2212 n b) x2212 a (2) y (n x2212 1) x2212. X2212 a (n a 1) y (n x2212 n a). Além disso, você pode representar a função de transferência racional usando sua implementação transposta de forma direta II, como no diagrama a seguir. Devido à normalização, assumir um (1) 1. A operação do filtro na amostra m é dada pelas equações de diferença do domínio do tempo y (m) b (1) x (m) z 1 (m x2212 1) z 1 (m) b (2) x (m) z 2 ( m x2212 1) x2212 um (2) Y (m) x00A0x00A0 x22EE x00A0x00A0x00A0x00A0x00A0 x00A0x00A0x00A0x00A0x00A0 x22EE x00A0x00A0x00A0x00A0x00A0x00A0x00A0x00A0x00A0x00A0x00A0x00A0 x22EE Zn x2212 2 (m) b (n x2212 1) x (m) x2212 Zn 1 (m x2212 1) x2212 um (n x2212 1 ) Y (m) zn x2212 1 (m) b (n) x (m) x2212 a (n) y (m). Se você possui o Signal Processing Toolboxx2122, você pode projetar um filtro, d. Usando designfilt. Então, você pode usar o filtro Y (d, X) para filtrar seus dados. Escolha o seu país