timeseries идеальный фильтр
tsout = idealfilter( применяет идеальный (некаузальный) фильтр типа tsin,interval,filtertype)filtertype к частотным интервалам, заданным interval для timeseries tsin объекта.
Идеальные фильтры некаузальны, а концы амплитуды фильтра плоские в частотный диапазон. Данные в ts должно иметь нулевое среднее.
tsout = idealfilter( опционально задает индексы строка или столбец tsin,interval,filtertype,ind)tsin для применения фильтра.
Сначала примените идеальный узкополосный фильтр к timeseries затем применить пропускной фильтр.
Загрузите данные в файл count.dat, и создать timeseries объект из матрицы count.
load count.dat
tsin = timeseries(count(:,1),1:24);Вычислите среднее значение данных в tsin.
tsinmean = mean(tsin);
Задайте частотный интервал, в герце, для фильтрации данных.
interval = [0.08 0.2];
Активируйте идеальный узкополосный фильтр.
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 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')
