【正文】 39。)。 4 實(shí)驗(yàn)分析 改變主程序的參數(shù)，調(diào)節(jié)參數(shù)使其符合最優(yōu)濾波器的要求，分析各個(gè)參數(shù)對濾波器的影響， 運(yùn)行結(jié)果分析分為如下幾個(gè)： 、原始圖像顯示： w 為強(qiáng)度為 白噪聲 M=1000 的信號圖 、 S 為指數(shù)正弦衰減信號 s = exp(*n).*sin(pi*n/50)， w為強(qiáng)度為 白噪聲 M=1000 源程序如下： clear。 M = input(39。)。 t=10*n。 w = *randn(1,M)。 % 仿真信號 Rss = xcorr(s,s)。 % 估計(jì)噪聲自相關(guān)函數(shù) [h,e] = WH(Rss,Rww,M)。 %用維納濾波器濾波 figure。plot(t,s)。信號 39。 xlabel(39。,39。,39。) ylabel(39。,39。,39。) subplot(2,2,2)。title(39。)。x 軸單位 ： t/ms39。color39。b39。y 軸單位： mV39。color39。b39。plot(t,x)。觀測值 39。 xlabel(39。,39。,39。) ylabel(39。,39。,39。) subplot(2,2,4)。title(39。)。x 軸單位： t/ms39。color39。b39。y 軸單位： mV39。color39。b39。 plot(t,sss)。估計(jì)誤差 39。 error=mean((sss).^2) w = *randn(1,M)。 % 仿真信號 Rss = xcorr(s,s)。 % 估計(jì)噪聲自相關(guān)函數(shù) [h,e] = WH(Rss,Rww,M)。 %用維納濾波器濾波 figure。plot(t,s)。信號 39。 xlabel(39。,39。,39。) ylabel(39。,39。,39。) subplot(2,2,2)。title(39。)。x 軸單位： t/ms39。color39。b39。y 軸單位： mV39。color39。b39。plot(t,x)。觀 測值 39。 xlabel(39。,39。,39。) ylabel(39。,39。,39。) subplot(2,2,4)。title(39。)。x 軸單位： t/ms39。color39。b39。y 軸單位： mV39。color39。b39。 plot(t,sss)。估計(jì)誤差 39。 error=mean((sss).^2) 實(shí)驗(yàn)輸出圖像 圖 4. 1 測 試信號輸出圖形顯示 信號的長度 M = 1000 階數(shù) N =38 最小均方誤差 error = 結(jié)果分析：觀察上圖，比較信號與估計(jì)信號，我們可以看出噪聲對信號有很大的影響，雖然還看得出有用信號的輪廓，但是噪聲的影響還是沒能消除，濾波效果還算可以。 、 S 為腦電信號， w為強(qiáng)度為 的白噪聲 , M=1024,采樣頻率 250Hz. 實(shí)驗(yàn)輸出圖像 圖 4. 3 腦電信號濾波結(jié)果顯示 信號的長 度 M = 1024 階數(shù) N =5 最小均方誤差 error = 結(jié)果分析 ：在此次運(yùn)行的結(jié)果圖中可以看出腦電信號的濾波效果是特別差的了，幾乎與原信號和噪聲信號相似，這主要是因?yàn)榫S納濾波主要處理的事有規(guī)律的信號，對周期信號處理的效果比較好。換句話說就是：區(qū)分度越大，濾波效果越好。 、 S 為心電信號 ， w為強(qiáng)度為 、 2 白噪聲 M=500 當(dāng) S 為心電信號， W 為強(qiáng)度為 的白噪聲時(shí)，實(shí)驗(yàn)結(jié)果 圖 當(dāng) S 為心電信號 ， W為強(qiáng)度為 的白噪聲時(shí)，實(shí)驗(yàn)結(jié)果 信號的長度 M = 500 階數(shù) N =290 最小均方誤差 error = 當(dāng) S 為心電信號， W 為強(qiáng)度為 1的白噪聲時(shí)，實(shí)驗(yàn)結(jié)果 圖 當(dāng) S 為心電信號， W為強(qiáng)度為 1的白噪聲時(shí)，實(shí)驗(yàn)結(jié)果 信號的長度 M = 500 階數(shù) N = 11 最小均方誤差 error = 當(dāng) S 為心電信號， W 為強(qiáng)度為 2的白噪聲時(shí)，實(shí)驗(yàn)結(jié)果 圖 當(dāng) S 為心電信號， W為強(qiáng)度為 2的白噪聲時(shí)，實(shí)驗(yàn)結(jié)果 信號的長度 M = 500 階數(shù) N = 45 最小均方誤差 error = 結(jié)果分析： 在心電信號改變噪聲強(qiáng)度的情況下，觀察其變化規(guī)律，在均值增大的同時(shí)，噪聲對心電信號的 R,Q,P,S 和 T 波的影響度是很大的，使得濾波效果不明顯。 、 S 為腦電信號 ， w為強(qiáng)度為 50、 100白噪聲 M=1024 當(dāng) S 為腦電信號， W 為強(qiáng)度為 20 的白噪聲時(shí)，實(shí)驗(yàn)結(jié)果 圖 當(dāng) S 為腦電信號， W為強(qiáng)度為 20 的白噪聲時(shí)，實(shí)驗(yàn)結(jié)果 信號的長度 M = 1024 階數(shù) N = 1011 最小均方誤差 error = 當(dāng) S 為腦電信號， W 為強(qiáng)度為 50 白噪聲時(shí)，實(shí)驗(yàn)結(jié)果 圖 當(dāng) S 為腦電信號， W 為強(qiáng)度為 50 白噪聲時(shí)，實(shí)驗(yàn)結(jié)果 信號的長度 M = 1024 階數(shù) N =526 最小均方誤差 error = 當(dāng) S 為腦電信號， W 為強(qiáng)度為 100 白噪聲時(shí)，實(shí)驗(yàn)結(jié)果 圖 當(dāng) S 為腦電信號， W為強(qiáng)度為 100 白噪聲時(shí)，實(shí)驗(yàn)結(jié)果 信號的長度 M = 1024 階數(shù) N = 526 最小均方誤差 error = 結(jié)果分析： 與之前的濾波結(jié)果大同小異，腦電信號的濾波結(jié)果著實(shí)不好，著主要是因?yàn)槟X電信號紊亂，不過這也反映出了實(shí)際情況，我們的大腦是時(shí)時(shí)在工作的，他的工作精細(xì)而復(fù)雜。 、階數(shù)對濾波效果的影響： w為強(qiáng)度為 白噪聲 M=1024，分別指數(shù)衰減信號，心電信號為例 【注：階數(shù)的修改是通過修改 WH功能函數(shù)實(shí)現(xiàn)的】 ，閾值為 3110?? 、 6110?? 、 9110?? ： S為指數(shù)衰減信號， W為強(qiáng)度 ，閾值為 3110?? 時(shí)實(shí)驗(yàn)結(jié)果 圖 S為指數(shù)衰減信號，閾值為 3110?? 時(shí)實(shí)驗(yàn)結(jié)果 信號的長度 M = 1024 階數(shù) N = 136 最小均方誤差 error = S為指數(shù)衰減信號， W為強(qiáng)度 ，閾值為 6110?? 時(shí)實(shí)驗(yàn)結(jié)果 圖 S為指數(shù)衰減信號，閾值為 6110?? 時(shí)實(shí)驗(yàn)結(jié)果 信號的長度 M = 1024 階數(shù) N =141 最小均方誤差 error = S為指數(shù)衰減信號， W為強(qiáng)度 ，閾值為 9110?? 時(shí)實(shí)驗(yàn)結(jié)果 圖 S為指數(shù)衰減信號，閾值為 9110?? 時(shí)實(shí)驗(yàn)結(jié)果 信號的長度 M = 1024 階數(shù) N=65 最小均方誤差 error = 結(jié)果分析：改變閾值的大小，得到以上三幅圖，由此可以看出隨著閾值的減小，圖像濾波的效果也隨之增強(qiáng)。 腦電信號 ，數(shù)據(jù)長度 M=1024，閾值為 3110?? 、 6110?? ： S為腦電信號， W為強(qiáng)度 50白噪聲，閾值為 3110?? 時(shí)實(shí)驗(yàn)結(jié)果 圖 S為腦電信號，閾值為 3110?? 時(shí)實(shí)驗(yàn)