Difference between revisions of "Filtre"
From RoboWiki
(→Plávajúci priemer) |
|||
Line 8: | Line 8: | ||
<source lang="octave"> | <source lang="octave"> | ||
− | + | % Funkcia pocita plavajuci priemer nad vektorom | |
− | + | % | |
− | + | % Verzia 0.2 doplneny help | |
+ | % Verzia 0.1 prvy pokus 5. 6. 2008 Richard Balogh | ||
+ | |||
− | + | function y = movingaverage (x, M) | |
% MOVINGAVERAGE Vypocita plavajuci priemer dlzky M na vektore x | % MOVINGAVERAGE Vypocita plavajuci priemer dlzky M na vektore x | ||
− | |||
− | |||
% | % | ||
% x je vstupny vektor, ktory filtrujeme | % x je vstupny vektor, ktory filtrujeme |
Revision as of 12:58, 19 June 2008
- Java príklady na hrátky so signálmi http://www.dsptutor.freeuk.com/
- Frekvenčná charakteristika: tester sluchu
Moving Average Filter
Plávajúci priemer
% Funkcia pocita plavajuci priemer nad vektorom
%
% Verzia 0.2 doplneny help
% Verzia 0.1 prvy pokus 5. 6. 2008 Richard Balogh
function y = movingaverage (x, M)
% MOVINGAVERAGE Vypocita plavajuci priemer dlzky M na vektore x
%
% x je vstupny vektor, ktory filtrujeme
% M je rad filtra, kolko clenov priemerujeme
y=[zeros(1,M-1) x]; % predlzime vektor o M-1 nul na zaciatku
% aby sa aj prva hodnota zaratala do priemeru
for i=1 : length(x)
y(i) = sum( y( i : (i+M-1) ) ); % spocitavame M-tice
endfor
y=y/M; % napokon to vydelime
y=y(1:length(x)); % a vektor zasa skratime o ten
% pridavok, lenze na konci
endfunction
Download: movingaverage.m
Príklad použitia
% Priklad na pouzivanie MA filtra: SignalSinus=sin(linspace(1,6*pi,300)) % Najprv sa pozrime, ako poskodi MA filter povodny harmonicky % signal pri roznych velkostiach okienka: plot(SignalSinus); hold on; plot(movingaverage(SignalSinus,5)); plot(movingaverage(SignalSinus,25)); plot(movingaverage(SignalSinus,100)); % Teraz uz naozaj ideme filtrovat. Vidno, ze ak jed MA filter % normalny cisty signal mierne tlmi, tuto sa to neprejavi, pretoze % sum niektore hodnoty rozhodi aj smerom nahor, aj nadol. Takze % vyfiltrovany sinus je niekedy aj vacsi ako povodny... clg; noise = 0 + 0.1 * randn(size(SignalSinus)); % \mu = 0, \sigma = 0.1 plot(SignalSinus+noise); hold on; plot(movingaverage(SignalSinus+noise,10),"r"); plot(SignalSinus,"g"); % Teraz ideme filtrovat realne data z teplomera: clg; data; % nacita vektor temperature s teplotami: t1 = movingaverage(temperature(:,2)',10); % skus rozlicne M = 10, 30, 100 plot(t1); hold on; plot(temperature(:,2),"g");