chenxu(2).rar_FIR滤波器_FIR维纳滤波_MATLAB脑电波_脑电_脑电波

我编了一个用自适应维纳FIR滤波器消除脑电波中的干扰 你们看看，这是我毕社的一个程序 clear clc n=0:1:100; %采样点数 N=5; %FIR 滤波器的阶数 n1=sin(n*pi/3); % 60HZ的噪声源 n2=0.5*sin(n*pi/3+rand*pi);%经噪声路径滤波器后的噪声 x1=rand(1,length(n));%-0.2—+0.2随机信号的产生 x=2*(x1-0.5)/5; y=x+n2; %混杂的信号 g=length(y); H=zeros(N,g); T1=zeros(1,N); u=1/(norm(n1*n1')); %调整系数 e=zeros(1,g); %存放滤波后信号初始的向量 for k=1:g %处理信号 for i=1:N-1 T1(i)=T1(i+1); end T1(N)=n1(k); y1(k)=T1*H(:,k); e(k)=y(k)-y1(k); H(:,k+1)=H(:,k)+2*u*e(k)*T1'; end N1=100; figure(1) subplot(2,1,1) plot(y) axis([ 1 N1 -0.7 0.7]) axis auto'x' title('干扰后的信号') subplot(2,1,2) plot(e) axis([ 1 N1-1 -0.7 0.7]) axis auto'x' hold on subplot(2,1,2) plot(x,'r') title('滤波后的信号与原始信号对比') axis([1 N1-1 -0.7 0.7]) axis auto'x' figure(2) plot(H(1,') title('一个权系数收敛情况') clear clc n=0:1:100; %采样点数 N=5; %FIR 滤波器的阶数 n1=sin(n*pi/3); % 60HZ的噪声源 n2=0.5*sin(n*pi/3+rand*pi);%经噪声路径滤波器后的噪声 x1=rand(1,length(n));%-0.2—+0.2随机信号的产生 x=2*(x1-0.5)/5; y=x+n2; %混杂的信号 g=length(y); H=zeros(N,g); T1=zeros(1,N); u=1/(norm(n1*n1')); %调整系数 e=zeros(1,g); %存放滤波后信号初始的向量 for k=1:g %处理信号 for i=1:N-1 T1(i)=T1(i+1); end T1(N)=n1(k); y1(k)=T1*H(:,k); e(k)=y(k)-y1(k); H(:,k+1)=H(:,k)+2*u*e(k)*T1'; end N1=100; figure(1) subplot(2,1,1) plot(y) axis([ 1 N1 -0.7 0.7]) axis auto'x' %title('滤波后信号与原始信号.前面.的对比') title('干扰后的信号') %hold on %plot(t1(2,:),'r') %axis([ 1 N1 -0.7 0.7]) %axis auto'x' subplot(2,1,2) plot(e) %plot(t1(3,:),'b') %title('滤波后的信号') axis([ 1 N1-1 -0.7 0.7]) axis auto'x' hold on subplot(2,1,2) plot(x,'r') title('滤波后的信号与原始信号对比') axis([1 N1-1 -0.7 0.7]) axis auto'x' %figure(2) %hold on %plot(t1(4,:),'r') %title('滤波后信号与原始信号.后面.的对比') figure(2) %plot(nk1) %subplot(2,1,2) plot(H(1,:)') title('一个权系数收敛情况')