【Matlab】降噪_均值滤波

1.基本思想

均值滤波是一种线性平滑滤波方法，其基本思想是用一定长度的窗口对信号进行滑动，然后计算窗口内信号的均值，用均值代替窗口内的信号值，从而达到降噪的目的。

2.数据集介绍

2.1 数据集介绍

用 Matlab 生成包含正弦信号和高斯白噪声的含噪采集数据，并将其保存到 Excel 文件 “noise.xlsx” 中的示例代码。具体实现过程如下：

1. 设置采集时长 duration，采样率 sample_rate，生成信号的频率 freq，并生成时间轴 t。
2. 生成正弦信号 signal。
3. 生成高斯白噪声信号 noise，其长度与 signal 相同，使用 randn 函数生成。由于 randn 函数生成的是均值为 0，方差为 1 的标准正态分布噪声，因此需要乘以 0.5 进行缩放，从而得到均值为 0，方差为 0.25 的高斯白噪声信号。
4. 将正弦信号 signal 和高斯白噪声信号 noise 相加，得到含噪采集数据 noisy_signal。
5. 使用 plot 函数将含噪采集数据可视化，并将其保存到 Excel 文件 “noise.xlsx” 中，使用 writematrix 函数实现。

需要注意的是，生成的噪声信号可以是任何类型的噪声，而不仅仅是高斯白噪声。在实际应用中，应根据实际情况选择合适的噪声模型。此外，在保存噪声数据时，还需要注意数据类型和文件格式的选择，以便后续的数据处理。

2.2 生成数据集代码

% 清空环境变量
warning off             % 关闭报警信息
close all               % 关闭开启的图窗
clear                   % 清空变量
clc                     % 清空命令行

% 生成噪声数据，如果有，可以注释掉
duration = 5;               % 采集时长为5秒
sample_rate = 100;          % 采样率为100Hz
freq = 10;                  % 生成的信号的频率为10Hz
t = linspace(0, duration, duration * sample_rate);  % 生成时间轴
signal = sin(2 * pi * freq * t);                    % 生成正弦信号
noise = 0.5 * randn(size(signal));                  % 生成高斯噪声信号
noisy_signal = signal + noise;                      % 将正弦信号和噪声信号相加生成含噪采集数据

% 生成含噪采集数据的可视化图像
figure;
plot(t, noisy_signal);
title('Noisy Sensor Signal');
xlabel('Time (s)');
ylabel('Amplitude');

% 将噪声数据保存到.xlsx文件中
filename = 'noise.xlsx';
writematrix(noisy_signal', filename);

3.文件结构

noise.xlsx						% 噪声数据集，具体格式参考第2部分
Main.m							% 主函数

4.详细代码及注释

% 清空环境变量
warning off             % 关闭报警信息
close all               % 关闭开启的图窗
clear                   % 清空变量
clc                     % 清空命令行

% 生成噪声数据，如果有，可以注释掉
duration = 5;               % 采集时长为5秒
sample_rate = 100;          % 采样率为100Hz
freq = 10;                  % 生成的信号的频率为10Hz
t = linspace(0, duration, duration * sample_rate);  % 生成时间轴
signal = sin(2 * pi * freq * t);                    % 生成正弦信号
noise = 0.5 * randn(size(signal));                  % 生成高斯噪声信号
noisy_signal = signal + noise;                      % 将正弦信号和噪声信号相加生成含噪采集数据

% 生成含噪采集数据的可视化图像
figure;
plot(t, noisy_signal);
title('Noisy Sensor Signal');
xlabel('Time (s)');
ylabel('Amplitude');

% 将噪声数据保存到.xlsx文件中
filename = 'noise.xlsx';
writematrix(noisy_signal', filename);

% 读取Excel文件中的噪声数据
noise = xlsread('noise.xlsx');

% 定义均值滤波器的窗口大小
window_size = 5;

% 计算均值滤波器系数
b = (1/window_size)*ones(1,window_size);

% 使用均值滤波器对噪声数据进行降噪处理
filtered_data = filter(b,1,noise);

% 绘制原始数据和降噪后的数据
plot(noise,'b');
hold on;
plot(filtered_data,'r');
legend('原始数据','降噪后数据');

5.运行结果