【正文】 ,s)。 % 估計噪聲自相關(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)。估計誤差39。error=mean((sss).^2) w = *randn(1,M)。 % 仿真信號Rss = xcorr(s,s)。 % 估計噪聲自相關(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)。估計誤差39。error=mean((sss).^2)實驗輸出圖像圖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，, M=1024,采樣頻率250Hz.實驗輸出圖像圖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，這主要是因為維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，、2白噪聲 M=500當S為心電信號，實驗結(jié)果 當S為心電信號，實驗結(jié)果信號的長度 M = 500 階數(shù)N =290 最小均方誤差error = 當S為心電信號，W為強度為1的白噪聲時，實驗結(jié)果 當S為心電信號，W為強度為1的白噪聲時，實驗結(jié)果信號的長度 M = 500 階數(shù)N = 11 最小均方誤差error = 當S為心電信號，W為強度為2的白噪聲時，實驗結(jié)果 當S為心電信號，W為強度為2的白噪聲時，實驗結(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度的情況下，觀察其變化規(guī)律，在均值增大的同時，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為強度為50、100白噪聲 M=1024當S為腦電信號，W為強度為20的白噪聲時，實驗結(jié)果 當S為腦電信號，W為強度為20的白噪聲時，實驗結(jié)果信號的長度 M = 1024 階數(shù)N = 1011 最小均方誤差error = 當S為腦電信號，W為強度為50白噪聲時，實驗結(jié)果 當S為腦電信號，W為強度為50白噪聲時，實驗結(jié)果信號的長度 M = 1024 階數(shù)N =526 最小均方誤差error =當S為腦電信號，W為強度為100白噪聲時，實驗結(jié)果 當S為腦電信號，W為強度為100白噪聲時，實驗結(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)果著實不好，著主要是因為腦電信號紊亂，不過這也反映出了實際情況，我們的大腦是時時在工作的，他的工作精細而復(fù)雜。、階數(shù)對濾波效果的影響： 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)實現(xiàn)的】，閾值為 、：S為指數(shù)衰減信號，閾值為時實驗結(jié)果 S為指數(shù)衰減信號，閾值為時實驗結(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，閾值為時實驗結(jié)果 S為指數(shù)衰減信號，閾值為時實驗結(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，閾值為時實驗結(jié)果 S為指數(shù)衰減信號，閾值為時實驗結(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。，數(shù)據(jù)長度M=1024，閾值為 、：S為腦電信號，W為強度50白噪聲，閾值為時實驗結(jié)果 S為腦電信號，閾值為時實驗結(jié)果信號的長度 M = 1024 階數(shù)N =970 最小均方誤差error =S為腦電信號，W為強度50白噪聲，閾值為時實驗結(jié)果 S為腦電信號，閾值為時實驗結(jié)果信號的長度 M = 1024 階數(shù)N =523 最小均方誤差error = 、數(shù)據(jù)長度對維納濾波的影響：改變數(shù)據(jù)長度，觀察噪聲對信號的影響 ，閾值為M分別為1000、3000、4000指數(shù)衰減信號 信號長度M=1000實驗結(jié)果 指數(shù)衰減信號 信號長度M=1000實驗結(jié)果信號的長度 M = 1000 階數(shù)N =166 最小均方誤差error =指數(shù)衰減信號 信號長度M