matlab使用移动平均滤波器、重采样和Hampel过滤器进行信号平滑处理

此示例显示如何使用移动平均滤波器和重采样来隔离每小时温度读数的时间周期分量的影响，以及从开环电压测量中消除不需要的线路噪声。

最近我们被客户要求撰写关于信号平滑处理的研究报告，包括一些图形和统计输出。

该示例还显示了如何使用Hampel过滤器来移除大异常值。

动机

平滑是我们如何发现数据中的重要模式，同时忽略不重要的事物（即噪音）。我们使用过滤来执行此平滑。平滑的目标是产生缓慢的价值变化，以便更容易看到我们数据的趋势。

有时，当您检查输入数据时，您可能希望平滑数据以查看信号中的趋势。在我们的例子中，我们在洛根机场每个小时都有一套摄氏温度，在2011年1月的整个月。

请注意，我们可以直观地看到一天中的时间对温度读数的影响。如果您只对每月的日常温度变化感兴趣，则每小时波动只会产生噪音，这会使日常变化难以辨别。为了消除时间的影响，我们现在想通过使用移动平均滤波器来平滑我们的数据。

移动平均滤波器

在其最简单的形式中，长度为N的移动平均滤波器取波形的每N个连续样本的平均值。

为了对每个数据点应用移动平均滤波器，我们构造滤波器的系数，使每个点的权重相等，并且对总平均值贡献1/24。这给出了每24小时的平均温度。

过滤延迟

请注意，过滤后的输出会延迟大约十二小时。这是因为我们的移动平均滤波器有延迟。

任何长度为N的对称滤波器都将具有（N-1）/ 2个样本的延迟。 

fDelay =（length（coeff24hMA）-1）/ 2;