timeseries идеальный фильтр
tsout = idealfilter( применяет идеальный (некаузальный) фильтр типа tsin,interval,filtertype)filtertype к частотным интервалам, указанным interval для timeseries объект tsin.
Идеальные фильтры являются некаузальными, а концы амплитуды фильтра являются плоскими в частотной области. Данные в ts должно иметь нулевое среднее значение.
tsout = idealfilter( дополнительно указывает индексы строк или столбцов tsin,interval,filtertype,ind)tsin для применения фильтра к.
Сначала примените идеальный фильтр надрезов к timeseries , затем применить фильтр проходов.
Загрузка данных в файл count.datи создайте timeseries объект из матрицы count.
load count.dat
tsin = timeseries(count(:,1),1:24);Вычислить среднее значение данных в tsin.
tsinmean = mean(tsin);
Определите интервал частот в герцах для фильтрации данных.
interval = [0.08 0.2];
Вызовите идеальный фильтр надрезов.
tsoutnotch = idealfilter(tsin,interval,'notch');Сравните исходные и отфильтрованные данные.
plot(tsin,'-.') hold on plot(tsoutnotch,'-')
Восстановите среднее значение для отфильтрованных данных.
tsoutnotchmean = tsoutnotch + tsinmean; plot(tsoutnotchmean,':') title('Notch Filter') legend('Original Data','Filtered Data','Mean Restored',... 'Location','NorthWest') hold off
Повторите процесс фильтрации с помощью pass фильтр.
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')
