信号和噪声

定义一个假设的信息信号,x在6秒内,采样100 Hz。

时间= (0:0.01:6)';x =罪(40. /(时间+ 0.01));情节(时间,x)标题(“信息信号x”)包含(“时间”)ylabel (“x”)

假设x无法衡量没有一个干扰信号, ${\mathit{n}}_2$来自另一个噪声源, ${\mathit{n}}_1$通过某种未知的非线性过程。

生成和绘制噪声源 ${\mathit{n}}_1$。

n1 = randn(大小(时间));情节(时间、n1)标题(“噪声源n_1”)包含(“时间”)ylabel (“n_1”)

假定干扰信号, ${\mathit{n}}_2$,出现在被测信号通过生成一个未知的非线性方程:

情节这个非线性函数作为表面。

域= linspace (min (n1), max (n1), 20);[xx, yy] = meshgrid(域、域);zz = 4 * sin (xx)。* yy. / (1 + yy。^ 2);冲浪(yy, xx zz)包含(“n_1 (k)”)ylabel (“n_1 (k - 1)”)zlabel (的甲烷(k)的)标题(“未知干扰信道特征”)

计算出干扰信号, ${\mathit{n}}_2$从噪声源, ${\mathit{n}}_1$,情节的信号。

n1d0 = n1;% n1与延迟0n1d1 = [0;n1d0(1:长度(n1d0) 1)];% n1与延迟1n2 = 4 * sin (n1d0)。* n1d1. / (1 + n1d1。^ 2);%的干扰次要情节(2,1,1)情节(时间、n1) ylabel (“n_1”)包含(“时间”)标题(的噪声源次要情节(2,1,2)情节(时间、n2) ylabel (“甲烷”)标题(干扰信号的)包含(“时间”)

${\mathit{n}}_2$有关 ${\mathit{n}}_1$由前面所示的高度非线性的过程。然而,从故事情节,似乎这两个信号不会互相关联。

被测信号,米原始信息信号之和,x和干扰, ${\mathit{n}}_2$。然而, ${\mathit{n}}_2$是未知的。唯一可用的信号噪声信号, ${\mathit{n}}_1$和被测信号米。

m = x + n2;次要情节(1,1,1)情节(时间,米)标题(被测信号的)包含(“时间”)ylabel (“米”)

你可以恢复原始信号的信息,x通过简称ANFIS训练,使用自适应降噪。

构建简称ANFIS模型

使用简称anfis命令标识之间的非线性关系 ${\mathit{n}}_1$和 ${\mathit{n}}_2$。而 ${\mathit{n}}_2$没有直接可用,你可以假设吗米是一个嘈杂的版本 ${\mathit{n}}_2$进行训练。这种假设对x这种“噪音”的非线性拟合。

假设已知非线性信道的顺序(在这种情况下,2)。您可以使用两个输入简称ANFIS模型进行训练。

定义训练数据。的前两列数据简称ANFIS模型的输入, ${\mathit{n}}_1$和一个延迟的版本 ${\mathit{n}}_1$。的最后一列数据被测信号,米。

delayed_n1 = [0;n1(1:长度(n1) 1)];data = [delayed_n1 n1 m];

生成初始FIS对象。默认情况下,网格划分算法使用两个为每个输入变量隶属度函数,产生四个学习的模糊规则。

genOpt = genfisOptions (“GridPartition”);不定式= genfis(数据(:,1:end-1),数据(:,结束),genOpt);

优化FIS使用简称anfis命令的初始训练步长0.2。

trainOpt = anfisOptions (“InitialFIS”不定式,“InitialStepSize”,0.2);人物=简称anfis(数据、trainOpt);

简称ANFIS信息的节点数量:21的线性参数:12的非线性参数数量:12个参数:总数24训练数据对数量:601数量的检查数据对:0模糊规则数量:4开始简称ANFIS训练……1 0.739315 0.748426 0.761817 - 2 3 4 5 0.733993步长增加到0.220000时代。5 0.721269 0.729492 0.725382 6 7 8 0.717621步长增加到0.242000时代9。9日0.714474十0.71207数量达到指定的时代。简称ANFIS训练完成时代10。最小的训练RMSE = 0.71207

调金融中间人,人物》二阶之间的关系模型 ${\mathit{n}}_1$和 ${\mathit{n}}_2$。

评估模型

计算估计的干扰信号,estimated_n2通过评估调整FIS使用原来的训练数据。

estimated_n2 = evalfis(人物、数据(:1:2));

情节的实际 ${\mathit{n}}_2$简称ANFIS输出信号和估计的版本。

次要情节(2,1,1)情节(时间、n2) ylabel (“甲烷”)包含(“时间”)标题(“未知干扰信号”次要情节(2,1,2)情节(时间,estimated_n2) ylabel (“甲烷”)包含(“时间”)标题(“估计干扰信号”)

估计信息信号等于被测信号之间的差异,米和估计的干扰(简称ANFIS输出)。

estimated_x = m - estimated_n2;

比较原始信号的信息,x,估计,estimated_x。

图绘制(时间、estimated_x“b”、时间、x,“r”)包含(“时间”)ylabel (“x”)标题(实际和估计信号的比较)传说(“估计x”,“实际x(未知的)”,“位置”,“东南”)

没有广泛的培训,简称ANFIS模型产生一个相对准确的估计信号的信息。