滤波_suanfa_源码

%**************************************************************************************** % % 创建两个信号Mix_Signal_1 和信号 Mix_Signal_2 % %*************************************************************************************** Fs = 1000; %采样率 N = 1000; %采样点数 n = 0:N-1; t = 0:1/Fs:1-1/Fs; %时间序列 Signal_Original_1 =sin(2*pi*10*t)+sin(2*pi*20*t)+sin(2*pi*30*t); Noise_White_1 = [0.3*randn(1,500), rand(1,500)]; %前500点高斯分部白噪声，后500点均匀分布白噪声 Mix_Signal_1 = Signal_Original_1 + Noise_White_1; %构造的混合信号 Signal_Original_2 = [zeros(1,100), 20*ones(1,20), -2*ones(1,30), 5*ones(1,80), -5*ones(1,30), 9*ones(1,140), -4*ones(1,40), 3*ones(1,220), 12*ones(1,100), 5*ones(1,20), 25*ones(1,30), 7 *ones(1,190)]; Noise_White_2 = 0.5*randn(1,1000); %高斯白噪声 Mix_Signal_2 = Signal_Original_2 + Noise_White_2; %构造的混合信号 %**************************************************************************************** % % 信号Mix_Signal_1 和 Mix_Signal_2 分别作巴特沃斯低通滤波。 % %*************************************************************************************** %混合信号 Mix_Signal_1 巴特沃斯低通滤波 figure(1); Wc=2*50/Fs; %截止频率 50Hz [b,a]=butter(4,Wc); Signal_Filter=filter(b,a,Mix_Signal_1); subplot(4,1,1); %Mix_Signal_1 原始信号 plot(Mix_Signal_1); axis([0,1000,-4,4]); title('原始信号 '); subplot(4,1,2); %Mix_Signal_1 低通滤波滤波后信号 plot(Signal_Filter); axis([0,1000,-4,4]); title('巴特沃斯低通滤波后信号'); %混合信号 Mix_Signal_2 巴特沃斯低通滤波 Wc=2*100/Fs; %截止频率 100Hz [b,a]=butter(4,Wc); Signal_Filter=filter(b,a,Mix_Signal_2); subplot(4,1,3); %Mix_Signal_2 原始信号 plot(Mix_Signal_2); axis([0,1000,-10,30]); title('原始信号 '); subplot(4,1,4); %Mix_Signal_2 低通滤波滤波后信号 plot(Signal_Filter); axis([0,1000,-10,30]); title('巴特沃斯低通滤波后信号'); %**************************************************************************************** % % 信号Mix_Signal_1 和 Mix_Signal_2 分别作FIR低通滤波。 % %*************************************************************************************** %混合信号 Mix_Signal_1 FIR低通滤波 figure(2); F = [0:0.05:0.95]; A = [1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] ; b = firls(20,F,A); Signal_Filter = filter(b,1,Mix_Signal_1); subplot(4,1,1); %Mix_Signal_1 原始信号 plot(Mix_Signal_1); axis([0,1000,-4,4]); title('原始信号 '); subplot(4,1,2); %Mix_Signal_1 FIR低通滤波滤波后信号 plot(Signal_Filter); axis([0,1000,-5,5]); title('FIR低通滤波后的信号'); %混合信号 Mix_Signal_2 FIR低通滤波 F = [0:0.05:0.95]; A = [1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] ; b = firls(20,F,A); Signal_Filter = filter(b,1,Mix_Signal_2); subplot(4,1,3); %Mix_Signal_2 原始信号 plot(Mix_Signal_2); axis([0,1000,-10,30]); title('原始信号 '); subplot(4,1,4); %Mix_Signal_2 FIR低通滤波滤波后信号 plot(Signal_Filter); axis([0,1000,-10,30]); title('FIR低通滤波后的信号'); %**************************************************************************************** % % 信号Mix_Signal_1 和 Mix_Signal_2 分别作移动平均滤波 % %*************************************************************************************** %混合信号 Mix_Signal_1 移动平均滤波 figure(3); b = [1 1 1 1 1 1]/6; Signal_Filter = filter(b,1,Mix_Signal_1); subplot(4,1,1); %Mix_Signal_1 原始信号 plot(Mix_Signal_1); axis([0,1000,-4,4]); title('原始信号 '); subplot(4,1,2); %Mix_Signal_1 移动平均滤波后信号 plot(Signal_Filter); axis([0,1000,-4,4]); title('移动平均滤波后的信号'); %混合信号 Mix_Signal_2 移动平均滤波 b = [1 1 1 1 1 1]/6; Signal_Filter = filter(b,1,Mix_Signal_2); subplot(4,1,3); %Mix_Signal_2 原始信号 plot(Mix_Signal_2); axis([0,1000,-10,30]); title('原始信号 '); subplot(4,1,4); %Mix_Signal_2 移动平均滤波后信号 plot(Signal_Filter); axis([0,1000,-10,30]); title('移动平均滤波后的信号'); %**************************************************************************************** % % 信号Mix_Signal_1 和 Mix_Signal_2 分别作中值滤波 % %*************************************************************************************** %混合信号 Mix_Signal_1 中值滤波 figure(4); Signal_Filter=medfilt1(Mix_Signal_1,10); subplot(4,1,1); %Mix_Signal_1 原始信号 plot(Mix_Signal_1); axis([0,1000,-5,5]); title('原始信号 '); subplot(4,1,2); %Mix_Signal_1 中值滤波后信号 plot(Signal_Filter); axis([0,1000,-5,5]); title('中值滤波后的信号'); %混合信号 Mix_Signal_2 中值滤波 Signal_Filter=medfilt1(Mix_Signal_2,10); subplot(4,1,3); %Mix_Signal_2 原始信号 plot(Mix_Signal_2); axis([0,1000,-10,30]); title('原始信号 '); subplot(4,1,4); %Mix_Signal_2 中值滤波后信号 plot(Signal_Filter); axis([0,1000,-10,30]); title('中值滤波后的信号'); %**************************************************************************************** % % 信号Mix_Signal_1 和 Mix_Signal_2 分别作维纳滤波 % %*************************************************************************************** %混合信号 Mix_Signal_1 维纳滤波 figure(5); Rxx=xcorr(Mix_Signal_1,Mix_Signal_1); %得到混合信号的自相关函数 M=100; %维纳滤波器阶数 for i=1:M %得到混合信号的自相关矩阵 for j=1:M rxx(i,j)=Rxx(abs(j-i)+N); end end Rxy=xcorr(Mix_Signal_1,Signal_Original_1); %得到混合信号和原信号的互相关函数 for i=1:M rxy(i)=Rxy(i+N-1); end %得到混合信号和原信号的互相关向量 h = inv(rxx)*rxy'; %得到所要涉及的wiener滤波器系数 Signal_Filter=filter(h,1, Mix_Signal_1); %将输入信号通过维纳滤波器 subplot(4,1,1); %Mix_Signal_1 原始信号 plot(Mix_Signal_1); axis([0,1000,-5,5]); title('原始信号 '); subplot(4,1,2); %Mix_Signal_1 维纳滤波后信号 plot(Signal_Filter); axis([0,1000,-5,5]); title('维纳滤波后的信号'); %混合信号 Mix_Signal_2 维纳滤波 Rxx=xcorr(Mix_Signal_2,Mix_Signal_2); %得到混合信号的自相关函数 M=500; %维纳滤波器阶数 for i=1:M %得到混合信号的自相关矩阵 for j=1:M rxx(i,j)=Rxx(abs(j-i)+N); end end Rxy=xcorr(Mix_Signal_2,Signal_Original_2); %得到混合信号和原信号的互相关函数 for i=1:M rxy(i)=Rx