滑动均值滤波matlab实现,滑动均值滤波的matlab和Java实现
最近时间在研究滤波算法,目的是为了更好的识别音频数据。因为有些音频数据里面的杂波太多,很难识别,所以需要先对其进行过滤,才能解析识别。为此,我先在matlab上做了仿真.采用的很多滤波算法,最后选择了对我这个效果最好的,滑动均值滤波。
什么是滑动均值滤波
滑动平均滤波就是把连续取得的N个采样值看成一个队列,队列的长度固定为N,每次采样得到一个新数据放到队尾,并丢掉原来队首的一次数据,把队列中的N个数据进行平均运算,就可以获得新的滤波结果
具体的matlab代码
clear
clc
load boxinfo.mat %载入音频数据
T = data;
figure(1)
plot(T,'-*')
title('原始数据')
hold on;
%%
%滑动平滑滤波
L = length(T);
N=10; % 窗口大下
k = 0;
m =0 ;
for i = 1:L
m = m+1;
if i+N-1 > L
break
else
for j = i:N+i-1
k = k+1;
W(k) = T(j) ;
end
T1(m) = mean(W);
k = 0;
end
end
plot(T1,'r-o')
grid
legend('原始数据','滤波之后')
滤波前后对比图
滤波前后对比图
简单分析一下
经过滑动滤波之后,波形整体变得平滑,这里我们重点关注一下x轴附近的点,可以发现,在波形与x轴交叉的地方,波形都平稳过度,这极大方便的我们后期进行统计。
窗口大小选择
从代码中我们可以发现窗口大小我们选择的是10,如何选择窗口大小,这里我们需要进行一些简单的分析和测试。如果x轴附近的噪点数量(一上一下)比较多,那么窗口大小就应该大一些,反之,小一些。但是过大又会出现过拟合的现象,所以可以多取几个值,然后对比一下,选择一个最好的即可。
不同的窗口大小对比图
不同的窗口大小对比图
简单分析一下
从图中我们可以很明显的看出,当N=4的时候,滤波效果还不是很好,在x轴附近依然有噪点(一上一下),当N=7的时候,已经基本满足我们的要求,图形已经可以很平稳的过度了,但是从右边的标记处可以看出还是不是很平稳,所以可以继续提高N值,当N=10的时候,波形就完全能够达到我们的要求,所以取10即可。
滑动滤波的Java实现
/*
* 功能 对音频数据进行滑动滤波,使其更好的识别 时间:2015/9/11
*/
public class MovingAverageFilter implements IAudioSignalFilter {
private static final int WINDOWS = 1;
private short[] mTemp = null; // 只声明暂时不初始化,用来记录最后得不到均值处理的点
private short[] mBufout = null;
private int mWindowSize = WINDOWS;
public MovingAverageFilter(int size) {
mWindowSize = size;
}
// 均值滤波方法,输入一个buf数组,返回一个buf1数组,两者下表不一样,所以定义不同的下表,buf的下表为i,buf1的下表为buf1Sub.
// 同理,临时的winArray数组下表为winArraySub
public short[] movingAverageFilter(short[] buf) {
int bufoutSub = 0;
int winArraySub = 0;
short[] winArray = new short[mWindowSize];
if (mTemp == null) {
mBufout = new short[buf.length - mWindowSize + 1];
for (int i = 0; i < buf.length; i++) {
if ((i + mWindowSize) > buf.length) {
break;
} else {
for (int j = i; j < (mWindowSize + i); j++) {
winArray[winArraySub] = buf[j];
winArraySub = winArraySub + 1;
}
mBufout[bufoutSub] = mean(winArray);
bufoutSub = bufoutSub + 1;
winArraySub = 0;
}
}
mTemp = new short[mWindowSize - 1];
System.arraycopy(buf, buf.length - mWindowSize + 1, mTemp, 0,
mWindowSize - 1);
return mBufout;
} else {
short[] bufadd = new short[buf.length + mTemp.length];
mBufout = new short[bufadd.length - mWindowSize + 1];
System.arraycopy(mTemp, 0, bufadd, 0, mTemp.length);
System.arraycopy(buf, 0, bufadd, mTemp.length, buf.length); // 将temp和buf拼接到一块
for (int i = 0; i < bufadd.length; i++) {
if ((i + mWindowSize) > bufadd.length)
break;
else {
for (int j = i; j < (mWindowSize + i); j++) {
winArray[winArraySub] = bufadd[j];
winArraySub = winArraySub + 1;
}
mBufout[bufoutSub] = mean(winArray);
bufoutSub = bufoutSub + 1;
winArraySub = 0;
System.arraycopy(bufadd, bufadd.length - mWindowSize + 1,
mTemp, 0, mWindowSize - 1);
}
}
return mBufout;
}
}
public short mean(short[] array) {
long sum = 0;
for (int i = 0; i < array.length; i++) {
sum += array[i];
}
return (short) (sum / array.length);
}
}
滑动均值滤波matlab实现,滑动均值滤波的matlab和Java实现相关推荐
- 非局部相似性 matlab,非局部均值滤波(NLM)和MATLAB程序详解视频教程保持图像细节...
[内容简介]<非局部均值滤波与应用和MATLAB程序详解视频>共6章28节视频,总学时698分钟,合11.6小时.主要内容包括:非局部均值滤波类算法入门,基于滤波参数自适应的非局部均值滤波 ...
- 基于matlab 非局部均值(NLM)滤波图像去噪
基于matlab 非局部均值(NLM)滤波图像去噪 一.简介 1 NLM滤波原理 2 Pixelwise Implementation 3 Patchwise Implementation 二.源代码 ...
- 【图像去噪】基于matlab多种自适应均值滤波图像去噪【含Matlab 1843期】
⛄一.获取代码方式 获取代码方式1: 完整代码已上传我的资源:[图像去噪]基于matlab多种自适应均值滤波图像去噪[含Matlab 1843期] (https://download.csdn.net ...
- matlab编程实现自适应均值滤波和自适应中值滤波
matlab编程实现自适应滤波器 一.自适应均值滤波器 1. 原理部分: 2. 程序代码 3. 结果对比 二.自适应中值滤波 1. 原理部分 2.程序代码 3. 结果对比 一.自适应均值滤波器 1. ...
- [MATLAB学习]:Matlab生成滑动平均滤波算法文件并移植到STM32单片机上运行——基于CubeMX
前言 人生如逆旅,我亦是行人. 今天分享一个在 MATLAB 上生成C算法文件,并将其移植到 keil5上,运行至 STM32 单片机,一个很有用的方法. 准备工作: 已安装 MATLAB 的软件(注 ...
- matlab mean 滤波,中值和均值滤波---matlab实现(Median and mean filter ---matlab implementation).doc...
中值和均值滤波---matlab实现(Median and mean filter ---matlab implementation) 中值和均值滤波---matlab实现(Median and me ...
- MATLAB实现滑动平均滤波法的实例(移动平均滤波器)
原始信号 0.03 -1.46 -0.26 -0.47 -1.46 -0.06 -0.47 -1.27 0.15 -0.47 -1.47 ...
- matlab的knn均值滤波,中值滤波与均值滤波介绍.ppt
第五章 图像的噪声抑制 图像噪声的概念 所谓的图像噪声,是图像在摄取时或是传输时所受到的随机干扰信号. 常见的有椒盐噪声和高斯噪声. 图像噪声的概念 椒盐噪声的特征: 出现位置是随机的,但噪声的幅值是 ...
- matlab常见的图像增强技术(包括基于幂次变换,对图像进行均衡化处理,巴特沃斯低通,理想低通,梯形低通滤波, 均值滤波,中值滤波,最大,最小值滤波,修正后的阿尔法滤波器)
1.基于幂次变换中的r值,比较不同r 值下图像增强的效果 代码 : I = imread('D:\图片\TH.JFIF');subplot (1,4,1);imshow(I);title('原始图像' ...
- 利用FFT分析比较卡尔曼滤波算法、低通滤波算法、滑动平均滤波的频谱
1 卡尔曼滤波 详见博客 https://blog.csdn.net/moge19/article/details/81750731 2 低通滤波 2.1 算法推导 一阶RC滤波器的硬件电路如图: 图 ...
最新文章
- 深度学习必懂的13种概率分布
- AWS — AWS EC2
- python读取邮件发送日期和时间_Python读取指定日期邮件的实例
- Python 工具列表
- JVM:类加载机制之类加载器
- Go if _,ok:=range map; ok判断key是否在map中
- 一个失败的SAP Spartacus路由修改尝试 -在CmsPageGuard的开头触发 OCC API 调用
- javascript: 数组
- BugkuCTF-Crypto题easy_crypto
- Linux服务器开发初步
- excel图表交互联动_Excel图表联动的三种方法
- 安装linux下显卡驱动
- 高数下部分公式及部分知识点整理
- 宁海象山H5棋牌游戏定制开发
- 【死磕 Spring】----- IOC 之深入理解 Spring IoC
- Linux系统的定时任务
- 如何上联想官网查询服务器配置信息,联想服务器型号联想服务器如何鉴别!
- 对抗机器学习——FGSM经典论文 EXPLAINING AND HARNESSING ADVERSARIAL EXAMPLES
- svn分支开发与主干合并(branch merge)
- 微信开发者工具更换存储目录将C盘数据User Data迁移到D盘