Медианный фильтр
dsp.MedianFilter Система object™ вычисляет скользящую медиану входного сигнала по каждому каналу независимо во времени. Объект использует метод скользящего окна для вычисления движущейся медианы. В этом способе окно заданной длины перемещается по каждому каналу, выборка за выборкой, и объект вычисляет медиану данных в окне. Дополнительные сведения см. в разделе Алгоритмы.
Для вычисления движущейся медианы входного сигнала:
Создать dsp.MedianFilter и задайте его свойства.
Вызовите объект с аргументами, как если бы это была функция.
Дополнительные сведения о работе системных объектов см. в разделе Что такое системные объекты?.
medFilt = dsp.MedianFiltermedFilt, используя свойства по умолчанию.
medFilt = dsp.MedianFilter(Len)WindowLength свойство для Len.
medFilt = dsp.MedianFilter(Name,Value) задает WindowLength свойство с использованием Name,Value пара.
Пример:
movMin = dsp.MedianFilter('WindowLength',5);Чтобы использовать функцию объекта, укажите объект System в качестве первого входного аргумента. Например, для освобождения системных ресурсов объекта System с именем obj, используйте следующий синтаксис:
release(obj)
Фильтрация высокочастотного шума из шумового синусоидального сигнала с помощью медианного фильтра. Сравните производительность медианного фильтра с фильтром усреднения.
Инициализация
Настройка dsp.MedianFilter объект, medFiltи dsp.MovingAverage объект, movavgWin. Эти объекты используют метод скользящего окна с длиной окна 7. Создайте область времени для просмотра выходных данных.
Fs = 1000; medFilt = dsp.MedianFilter(7); movavgWin = dsp.MovingAverage(7); scope = timescope('SampleRate',Fs,... 'TimeSpanSource','Property',... 'TimeSpanOverrunAction','Scroll',... 'TimeSpan',1,'ShowGrid',true,... 'YLimits',[-3 3],... 'LayoutDimensions',[3 1],... 'NumInputPorts',3); scope.ActiveDisplay = 1; scope.Title = 'Signal + Noise'; scope.ActiveDisplay = 2; scope.Title = 'Moving Average Output (Window Length = 7)'; scope.ActiveDisplay = 3; scope.Title = 'Median Filter Output (Window Length = 7)'; FrameLength = 256; count = 1; sine = dsp.SineWave('SampleRate',Fs,'Frequency',10,... 'SamplesPerFrame',FrameLength);
Фильтрация шумной синусоидальной волны
Генерация шумного синусоидального сигнала с частотой 10 Гц. Примените к сигналу медианный фильтр и объект скользящего среднего. Просмотрите выходные данные области времени.
for i = 1:500 hfn = 3 * (rand(FrameLength,1) < 0.02); x = sine() + 1e-2 * randn(FrameLength,1) + hfn; y1 = movavgWin(x); y2 = medFilt(x); scope(x,y1,y2); end
Медианный фильтр удаляет высокочастотный шум более эффективно, чем объект скользящего среднего.
В этом примере показано, как удалить высокочастотные отклонения из потокового сигнала с помощью dsp.MedianFilter Системный объект?.
Используйте dsp.MatFileReader Системный объект для чтения файла MAT гироскопа. Файл MAT гироскопа содержит 3 столбца данных, причем каждый столбец содержит 7140 образцов. Три столбца представляют данные оси X, оси Y и оси Z от датчика движения гироскопа. Выберите размер кадра 714 выборок так, чтобы каждый столбец данных содержал 10 кадров. dsp.MedianFilter Системный объект использует длину окна 10. Создать timescope для просмотра отфильтрованных выходных данных.
reader = dsp.MatFileReader('SamplesPerFrame',714,'Filename','LSM9DS1gyroData73.mat',... 'VariableName','data'); medFilt = dsp.MedianFilter(10); scope = timescope('NumInputPorts',1,'SampleRate',119,'YLimits',[-300 300],... 'ChannelNames',{'Input','Filtered Output'},... 'TimeSpanSource','Property','TimeSpan',60,'ShowLegend',true);
Фильтрация данных гироскопа с помощью dsp.MedianFilter Системный объект. Просмотрите отфильтрованные данные по оси Z во временной области.
for i = 1:10 gyroData = reader(); filteredData = medFilt(gyroData); scope([gyroData(:,3),filteredData(:,3)]); end
Исходные данные содержат несколько отклонений. Увеличьте масштаб данных, чтобы убедиться, что фильтр медианы удаляет все отклонения.
В способе скользящего окна выходной сигнал для каждой входной выборки представляет собой медиану текущей выборки и предыдущих выборок Len-1. Len - длина окна в образцах. Для вычисления первых выходов Len - 1, когда в окне ещё не хватает данных, алгоритм заполняет окно нулями. Например, для вычисления медианного значения при поступлении второй входной выборки алгоритм заполняет окно нулями Len - 2. Затем вектор данных x представляет собой две выборки данных, за которыми следуют нули Len-2. Этот объект выполняет медианную фильтрацию входных данных во времени.
Рассмотрим пример вычисления скользящей медианы потоковых входных данных с использованием метода скользящего окна. Алгоритм использует длину окна 4. С каждым входным образцом, который поступает, окно длиной 4 перемещается вдоль данных.
[1] Боденем, Дин. «Адаптивная фильтрация и обнаружение изменений потоковых данных». PH.D. Дипломная работа. Имперский колледж, Лондон, 2012 год.
dsp.MovingAverage | dsp.MovingMaximum | dsp.MovingMinimum | dsp.MovingRMS | dsp.MovingStandardDeviation | dsp.MovingVariance