华工DSP实验2课件.docx
《华工DSP实验2课件.docx》由会员分享，可在线阅读，更多相关《华工DSP实验2课件.docx（18页珍藏版）》请在冰点文库上搜索。
华工DSP实验2课件
实验二加速度信号的处理
------黄晓荣13电联
------201330260151
注：
本实验所用的数据为junpData
一、Questionone
1.1、问题描述
读出给定的3D加速度信号，并分别画出三个轴的信号波形；
1.2、实验代码
clc
tt=fopen（'h:
\jumpData.txt'）;
var=textscan（tt,'%f%f%f','delimiter',','）;
data=cell2mat（var）;
a=size（data）;
figure
（1）
subplot（3,1,1）;
plot（1:
a
（1）,data（:
1））
xlabel（'theoriginalsignalinx-ray'）;
subplot（3,1,2）;
plot（1:
a
（1）,data（:
2））
xlabel（'theoriginalsignaliny-ray'）;
subplot（3,1,3）;
plot（1:
a
（1）,data（:
3））
xlabel（'theoriginalsignalinz-ray'）;
1.3、实验结果
1.4、结果分析
可以看出，三个轴线的采集数据很凌乱，基本看不出什么区别，因此需要后续的数据预处理
二、Questiontwo
2.1、问题描述
用M点（M分别取值3、5、8）滑动平均滤波器对输入的3D加速度信号进行滤波，绘出滤波后信号的波形；观察并分析M值对输出波形的影响；并绘出该滑动滤波器传输函数的零极点图；
2.2、实验代码
%windowSize=3
figure
（2）
windowSize=3;
winData3=filter（ones（1,windowSize）/windowSize,1,data）;
subplot（3,1,1）;
plot（1:
a
（1）,winData3（:
1））
subplot（3,1,2）;
plot（1:
a
（1）,winData3（:
2））
subplot（3,1,3）;
plot（1:
a
（1）,winData3（:
3））
xlabel（'thelengthofwindow=3'）
%windowSize=5
figure（3）
windowSize=5;
winData5=filter（ones（1,windowSize）/windowSize,1,data）;
subplot（3,1,1）;
plot（1:
a
（1）,winData5（:
1））
subplot（3,1,2）;
plot（1:
a
（1）,winData5（:
2））
subplot（3,1,3）;
plot（1:
a
（1）,winData5（:
3））
xlabel（'thelengthofwindow=5'）
%windowSize=8
figure（4）
windowSize=8;
winData8=filter（ones（1,windowSize）/windowSize,1,data）;
subplot（3,1,1）;
plot（1:
a
（1）,winData8（:
1））
subplot（3,1,2）;
plot（1:
a
（1）,winData8（:
2））
subplot（3,1,3）;
plot（1:
a
（1）,winData8（:
3））
xlabel（'thelengthofwindow=8'）
2.3、实验结果
M=3的结果
M=5的结果
M=8的结果
2.4、结果分析
可以看出，随着滑动平均滤波器的M的取值增大，信号的平滑性就越好，但是也会损失的细节信息；
三、Questiontwo
3.1、问题描述
对输入的3D加速度信号进行高斯滤波（窗长取32，参数取2.25）和幅度归一化处理，绘出处理后的信号ax[n],ay[n]和az[n]的波形；
3.2、实验代码
%GuasFilter
figure（5）
sigma=2.25;
gausFilter=fspecial（'gaussian',32,sigma）;
guasData=imfilter（data,gausFilter,'replicate'）;
subplot（3,1,1）;
[a1,p1]=mapminmax（guasData（:
1）'）;
plot（1:
a
（1）,a1）
subplot（3,1,2）;
[a2,p2]=mapminmax（guasData（:
2）'）;
plot（1:
a
（1）,a2）
subplot（3,1,3）;
[a3,p3]=mapminmax（guasData（:
3）'）;
plot（1:
a
（1）,a3）
xlabel（'afterGuasprocess'）
3.3、实验结果
经过高斯滤波后的结果
原始信号x-ray上的部分截取
经过高斯滤波后x-ray上的部分截取
3.4、结果分析
高斯滤波器，主要用户滤除高斯噪声，主要通过对相邻的采样点的值进行加权平均来代替当前采样点的值
可以看出，对于x-ray，原始信号存在许多的高斯噪声，但是经过高斯滤波后，高斯噪声明显减少，但是y-ray和z-ray的滤波效果不是很明显
四、Questiontwo
4.1、问题描述
对信号ax[n],ay[n]和az[n]进行加窗操作（窗长取为512），然后分别计算一个窗长内的均值，方差，能量，和互相关系数；
4.2、实验代码
%加窗截短
figure（6）
subplot（3,1,1）;
winData1=data（1000:
1511,1）;
plot（1:
512,winData1）
subplot（3,1,2）;
winData2=data（1000:
1511,2）;
plot（1:
512,winData2）
subplot（3,1,3）;
winData3=data（1000:
1511,3）;
plot（1:
512,winData3）
xlabel（'afterwindowprocess'）
mean（winData1（:
1））;
mean（winData2（:
1））;
mean（winData3（:
1））;
std（winData1,0,1）;
std（winData2,0,1）;
std（winData3,0,1）;
sum（winData1.^2）;
sum（winData2.^2）;
sum（winData3.^2）;
%thexcorrprocess
figure（7）
subplot（3,1,1）;
[a,b]=xcorr（winData1,winData2）;
plot（b,a）
xlabel（'xcorrofX&Y'）;
subplot（3,1,2）;
[a,b]=xcorr（winData2,winData3）;
plot（b,a）
xlabel（'xcorrofY&Z'）;
subplot（3,1,3）;
[a,b]=xcorr（winData1,winData3）;
plot（b,a）
xlabel（'xcorrofX&Z'）;
4.3、实验结果
加窗后的实验结果，windowSize=512
互相关的图像
x-ray
y-ray
z-ray
Mean
129.5996
151.1250
122.8184
Standarddeviation
7.3032
38.0010
9.7030
Energy
8626837
12431371
7771297
Statisticsdata
4.4、结果分析
经过信号截短（加窗）后，可以明显的看出信号本身是存在规律的，如y-ray的信号每经过50个采样点（0.5秒）就有一个峰值，类似于周期信号，可能相当于人们迈脚向前跑的那一瞬间，向前（y-ray）的加速度最大，然后衰减
于此同时，在迈脚的一瞬间，z-ray（重心方向）的加速度会减小，因为人向前迈步也有一个向上的加速度会抵消重力加速度；
从数据上看，y-ray的方差也相对比较大，说明在y-ray上的加速度变化比较大，这与人跑步时的情况类似；
五、Questiontwo
5.1、问题描述
绘出上述处理前后3D加速度信号的频谱特性，分析处理前后频率特性的变化。
（已知采样率为100hz）
5.2、实验代码
%thespretrumoftheoriginalsignal
fs=100;
N=1024;
figure（8）
y1=fft（data（:
1）,N）;
f=（1:
length（y1）-1）*fs/length（y1）;
plot（f,abs（y1（2:
length（y1））））;
xlabel（'originalsignal:
thespetrumofx-ray'）;
figure（9）
y2=fft（data（:
2）,N）;
plot（f,abs（y2（2:
length（y2））））;
xlabel（'originalsignal:
thespetrumofx-ray'）;
figure（10）
y3=fft（data（:
3）,N）;
plot（f,abs（y3（2:
length（y3））））;
xlabel（'originalsignal:
thespetrumofx-ray'）;
%thespretrumofthesignalafteravgfilter
fs=100;
N=1024;
figure（11）
y1=fft（avgData3（:
1）,N）;
f=（1:
length（y1）-1）*fs/length（y1）;
plot（f,abs（y1（2:
length（y1））））;
xlabel（'afteravgfilter:
thespetrumofx-ray'）;
figure（12）
y2=fft（avgData3（:
2）,N）;
plot（f,abs（y2（2:
length（y2））））;
xlabel（'afteravgfilter:
thespetrumofy-ray'）
figure（13）
y3=fft（avgData3（:
3）,N）;
plot（f,abs（y3（2:
length（y3））））;
xlabel（'afteravgfilter:
thespetrumofz-ray'）
5.3、实验结果
x-ray的比较
y-ray的比较
z-ray的比较
5.4、结果分析
经过均值滤波器主要是减少了一些噪声，比较明显的是中频的部分
比较明显的高斯滤波器，极大地减少了x-ray、y-ray、z-ray的噪声
升级会员 