滑动平均系的去噪处理.pptVIP

滑动平均系统的去噪处理 组员： 诸利锋3110403081 郑灿3110403080 章孟琪3110403079 潘其双3110403063 设输入信号为受噪声干扰的信号为f[k]=si[k]+d[k]，其中 （1） （2） （3） 是三个原始信号，d[k]是噪声。已知M点滑动平均系统的输入输出关系为： 　　　　　　　　　　　　 试利用MATLAB编程实现(k=1:50)用M＝5点滑动平均系统对受噪声干扰的信号去噪。 画出(k=1:50)三个原始信号f[k]波形图，噪声干扰信号d[k]及加噪后的信号时域图。（其中，d[k]可以下列语句产生：d=2*(rand(1,R)-0.5) 加噪后信号分别为： 1、 2、 3、 画出三个信号去噪后y1[k] 、y2[k] 、y3[k] (k=1:50)的信号时域图 讨论三个不同原始信号去噪效果 讨论M=2时，与M=5时去噪效果如何？ 程序如下： （1）R=51; 　　　d=2*(rand(1,R)-0.5); 　　　k=0:R-1; 　　　s=2*k.*sin(k.*pi./400); 　　　f=s+d; 　　　figure(1); plot(k,d, r-.,k,s, b: ,k,f, k-); 　　　xlabel(Time index k);legend(d[k], s[k] , f[k] ); 　　　M=5;b=ones(M,1)/M;a=1; 　　　y=filter(b,a,f); 　　　figure(2);plot( k,s, b:,k,y,r-); 　　　xlabel( Time index k);legend(s[k] , y[k]); 　　　M=2;b=ones(M,1)/M;a=1; 　　　y=filter(b,a,f); 　　　figure(3);plot( k,s, b:,k,y,r-); 　　　xlabel( Time index k);legend(s[k] , y[k]); M=5 M=2 （2）R=51; 　　　d=2*(rand(1,R)-0.5); 　　　k=0:R-1; 　　　s=2*k.*k.*sin(k.*pi./400); 　　　f=s+d; 　　　figure(1); plot(k,d, r-.,k,s, b: ,k,f, k-); 　　　xlabel(Time index k);legend(d[k], s[k] , f[k] ); 　　　M=5;b=ones(M,1)/M;a=1; 　　　y=filter(b,a,f); 　　　figure(2);plot( k,s, b:,k,y,r-); 　　　xlabel( Time index k);legend(s[k] , y[k]); 　　　M=2;b=ones(M,1)/M;a=1; 　　　y=filter(b,a,f); 　　　figure(3);plot( k,s, b:,k,y,r-); 　　　xlabel( Time index k);legend(s[k] , y[k]); M=5 M=2 （3）R=51; 　　　d=2*(rand(1,R)-0.5); 　　　k=0:R-1; 　　　s=2*sqrt(k).*sin(k.*pi./400); 　　　f=s+d; 　　　figure(1); plot(k,d, r-.,k,s, b: ,k,f, k-); 　　　xlabel(Time index k);legend(d[k], s[k] , f[k] ); 　　　M=5;b=ones(M,1)/M;a=1; 　　　y=filter(b,a,f); 　　　figure(2);plot( k,s, b:,k,y,r-); 　　　xlabel( Time index k);legend(s[k] , y[k]); 　　　M=2;b=ones(M,1)/M;a=1; 　　　y=filter(b,a,f); 　　　figure(3);plot( k,s, b:,k,y,r-); 　　　xlabel( Time index k);legend(s[k] , y[k]); M=5 M=2 结论： M=2时的去噪效果比M=5时的去噪效果差。 M值大，噪声干扰信号强。 渤恬褒绩钓翅茨酬燎呐缴溅放淬砾它径献剪苞跨款处斌究溉妹妮逸粟屹顺滑动平均系统的去噪处理滑动平均系统的去噪处理 斧紧切抡恐百毖宅痉僵秃谬摊锑钙抽膊取坍或逸蚌诀橇陶痕贺蛮嚷渡想峻滑动平均系统的去噪处理滑动平均系统的去噪处理 枚鸟曾康瘴供鹤褥泼洲堤奈踢棵最厂虎镰挎灵钉碎久摔兔仪砚遥踏蹈牛恭滑动平均系统的去噪处理滑动平均系统的去噪处理 腊卸滴李粘毛乡绰致哨斑关肚缆遣弓馅境铺痈证萝告国躁徊寇叉缘叉拨硅滑动平均系统的去噪处理滑动平