Фильтр идеала timeseries
tsout = idealfilter(tsin,interval,filtertype)tsout = idealfilter(tsin,interval,filtertype,ind)tsout = idealfilter(tsin,interval,filtertype) filtertype к интервалам частоты, заданным interval для объекта timeseries tsin.
Идеальные фильтры являются непричинными, и концы амплитуды фильтра являются плоскими в частотном диапазоне. Данные в ts должны иметь нулевое среднее значение.
tsout = idealfilter(tsin,interval,filtertype,ind) tsin, чтобы применить фильтр к.
Сначала примените идеальный фильтр метки к объекту timeseries, затем примените фильтр передачи.
Загрузите данные в файле count.dat и создайте объект timeseries из матричного count.
load count.dat
tsin = timeseries(count(:,1),1:24);Вычислите среднее значение данных в tsin.
tsinmean = mean(tsin);
Задайте интервал частоты, в герц, для фильтрации данных.
interval = [0.08 0.2];
Вызовите идеальный фильтр метки.
tsoutnotch = idealfilter(tsin,interval,'notch');Сравните исходные данные и отфильтрованные данные.
plot(tsin,'-.') hold on plot(tsoutnotch,'-')
Восстановите среднее значение к отфильтрованным данным.
tsoutnotchmean = tsoutnotch + tsinmean; plot(tsoutnotchmean,':') title('Notch Filter') legend('Original Data','Filtered Data','Mean Restored',... 'Location','NorthWest') hold off
Повторите процесс фильтрации с помощью фильтра pass.
plot(tsin,'-.') hold on tsoutpass = idealfilter(tsin,interval,'pass'); plot(tsoutpass,'-') tsoutpassmean = tsoutpass + tsinmean; plot(tsoutpassmean,':') title('Pass Filter') legend('Original Data','Filtered Data','Mean Restored',... 'Location','NorthWest')
