dsp。MedianFilter

中值滤波器

在第页中展开全部

描述

这个dsp。MedianFilter系统对象™ 沿每个通道独立计算输入信号随时间的移动中值。对象使用滑动窗口方法计算移动中值。在该方法中，在每个通道上逐个采样移动指定长度的窗口，对象计算窗口中数据的中值。有关详细信息，请参阅算法．

要计算输入的移动中值，请执行以下操作：

创建dsp。MedianFilter对象并设置其属性。
使用参数调用对象，就像调用函数一样。

要了解更多关于System对象如何工作的信息，请参见什么是系统对象？．

创造

语法

medFilt=dsp.MEDINFILTER

medFilt=dsp.MEDINFILTER（Len）

medFilt = dsp.MedianFilter(名称、值)

描述

medFilt= dsp。MedianFilter返回中值筛选器对象，medFilt，使用默认属性。

实例

medFilt= dsp。MedianFilter (Len)设置WindowLength财产Len．

medFilt = dsp.MedianFilter(名称、值)指定WindowLength使用名称,值一对

例子:

movMin=dsp.MedianFilter(“WindowLength”,5);

性质

全部展开

除非另有说明，属性是nontunable，这意味着您不能在调用对象之后更改它们的值。对象在调用时锁定，而释放函数打开它们。

如果一个属性是可调，您可以随时更改其值。

有关更改特性值的详细信息，请参见基于系统对象的MATLAB系统设计．

`WindowLength`—滑动窗长度
`5.`（默认）|正标量整数

样本中滑动窗口的长度，指定为正标量整数。

使用

语法

y=medFilt（x）

描述

实例

Y=医疗过滤器(x)计算输入信号的移动中值，x，使用滑动窗口方法。

输入参数

全部展开

`x`—数据输入
矢量|矩阵

数据输入，指定为向量或矩阵。如果x是矩阵，则每列被视为一个独立通道。沿每个通道计算移动中值。对象接受多通道输入，即，M——- - - - - -N大小的输入,M≥ 1,及N> 1。M是每个帧(或通道)的样本数量，和N是通道数。

对象还接受可变大小的输入。锁定对象后，可以更改每个输入通道的大小，但不能更改通道数。

数据类型:仅有一个的|双

输出参数

全部展开

`Y`——过滤信号
向量矩阵

过滤后的信号，以向量或矩阵的形式返回。输出的大小和数据类型与输入的大小和数据类型相匹配。

数据类型:仅有一个的|双

对象的功能

要使用对象函数，请将系统对象指定为第一个输入参数。例如，释放名为的系统对象的系统资源obj，使用下面的语法:

发行版(obj)

全部展开

所有系统对象都是通用的

`一步`	跑系统对象算法
`释放`	释放资源并允许更改系统对象属性值和输入特征
`重置`	使内部状态复位系统对象

例子

全部折叠

用中值滤波去除高频噪声

打开脚本

使用中值滤波器从带噪正弦波信号中过滤高频噪声。比较中值滤波器和平均滤波器的性能。

初始化

建立了一个dsp。MedianFilter对象,medFilt，及dsp.MovingAverage对象,movavgWin．这些对象使用窗口长度为7的滑动窗口方法。创建用于查看输出的时间范围。

Fs = 1000;medFilt = dsp.MedianFilter (7);movavgWin = dsp.MovingAverage (7);范围= timescope (“采样器”Fs,...“TimeSpanSource”,“属性”,...“TimeSpanOverrunAction”,“滚动”,...“时间跨度”, 1“ShowGrid”符合事实的...“YLimits”3 [3],...“LayoutDimensions”,[3 1],...“NumInputPorts”,3); scope.ActiveDisplay=1；范围.标题=“信号+噪声”；范围。ActiveDisplay = 2;范围。Title ='移动平均输出(窗口长度= 7)'；范围。ActiveDisplay = 3;范围。Title ='中值滤波器输出(窗口长度= 7)'；FrameLength = 256;数= 1;正弦= dsp。SineWave (“采样器”Fs,“频率”,10,...“SamplesPerFrame”, FrameLength);

滤除噪声正弦波

生成频率为10 Hz的带噪正弦波信号。对信号应用中值滤波器和移动平均对象。在时间范围上查看输出。

对于i=1:500 hfn=3*（rand（FrameLength，1）<0.02）；x=sine（）+1e-2*randn（FrameLength，1）+hfn；y1=movavgWin（x）；y2=medFilt（x）；范围（x，y1，y2）；终止

中值滤波器比移动平均目标更有效地去除高频噪声。

从陀螺仪数据中去除高频噪声

打开脚本

这个例子展示了如何从流信号中去除高频异常dsp。MedianFilter系统对象?。

使用dsp。MatFileReader系统对象读取陀螺仪MAT文件。陀螺仪MAT文件包含3列数据，每列包含7140个样本。这三列代表X-轴心国，Y-轴线，以及Z-轴数据从陀螺仪运动传感器。选择714个样本的帧大小，使每一列数据包含10个帧。这个dsp。MedianFilter系统对象使用窗口长度为10。创建一个timescope对象以查看过滤后的输出。

读者= dsp。MatFileReader (“SamplesPerFrame”,714,“文件名”,“LSM9DS1gyroData73.mat”,...“VariableName”,“数据”）;medFilt = dsp.MedianFilter (10);范围= timescope (“NumInputPorts”, 1“采样器”, 119,“YLimits”(-300 300),...“ChannelNames”，{“输入”,“过滤输出”}，...“TimeSpanSource”,“属性”,“时间跨度”现年60岁的“ShowLegend”，对）；

滤波陀螺仪数据使用dsp。MedianFilter系统对象。查看已筛选的Z-轴数据在时间范围内。

对于i=1:10 gyroData=reader（）；filteredData=medFilt（gyroData）；scope（[gyroData（：，3），filteredData（：，3）]；终止

原始数据包含几个异常值。放大数据以确认中值滤波器删除了所有异常值。

算法

全部展开

滑动窗口方法

在滑动窗口法中，每个输入样本的输出是当前样本和Len-1.以前的样品。Len为样本中窗口的长度。来计算第一个Len- 1输出，当窗口没有足够的数据时，算法用零填充窗口。例如，当第二个输入样本进入时，为了计算中值，算法填充窗口Len- 2 0。数据矢量,x，然后是两个数据样本，后跟Len- 2 0。随着时间的推移，该对象对输入数据执行中值过滤。

考虑使用滑动窗口方法计算流输入数据的移动中值的例子。该算法使用的窗口长度为4。对于每个输入样本，长度为4的窗口将沿着数据移动。