華工DSP實(shí)驗(yàn)2

1、實(shí)驗(yàn)二 加速度信號的處理-黃曉榮 13電聯(lián) -201330260151注：本實(shí)驗(yàn)所用的數(shù)據(jù)為junpData一、Question one1.1、問題描述讀出給定的3D加速度信號，并分別畫出三個軸的信號波形；1.2、實(shí)驗(yàn)代碼clctt=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)

2、xlabel('the original signal in x-ray');subplot(3, 1 ,2);plot(1:a(1), data(:,2)xlabel('the original signal in y-ray');subplot(3, 1 ,3);plot(1:a(1), data(:,3)xlabel('the original signal in z-ray');1.3、實(shí)驗(yàn)結(jié)果1.4、結(jié)果分析可以看出，三個軸線的采集數(shù)據(jù)很凌亂，基本看不出什么區(qū)別，因此需要后續(xù)的數(shù)據(jù)預(yù)處理二、Question two2.1、問題描述用M點(diǎn)

3、（M分別取值3、5、8）滑動平均濾波器對輸入的3D加速度信號進(jìn)行濾波，繪出濾波后信號的波形；觀察并分析M值對輸出波形的影響；并繪出該滑動濾波器傳輸函數(shù)的零極點(diǎn)圖；2.2、實(shí)驗(yàn)代碼%windowSize = 3figure(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), wi

4、nData3(:,3)xlabel('the length of window = 3') %windowSize = 5figure(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('the length

5、 of window = 5') %windowSize = 8figure(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('the length of window = 8')2.3、實(shí)驗(yàn)結(jié)果M=3的結(jié)

6、果M=5的結(jié)果M=8的結(jié)果2.4、結(jié)果分析可以看出，隨著滑動平均濾波器的M的取值增大，信號的平滑性就越好，但是也會損失 的細(xì)節(jié)信息；三、Question two3.1、問題描述對輸入的3D加速度信號進(jìn)行高斯濾波（窗長取32，參數(shù)取2.25）和幅度歸一化處理，繪出處理后的信號axn,ayn 和azn的波形；3.2、實(shí)驗(yàn)代碼%Guas Filterfigure(5)sigma = 2.25;gausFilter = fspecial('gaussian',32,sigma);guasData = imfilter(data,gausFilter,'replicate'

7、;);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('after Guas process')3.3、實(shí)驗(yàn)結(jié)果經(jīng)過高斯濾波后的結(jié)果原始信號x-ray上的部分截取經(jīng)過高斯濾波后x-ray

8、上的部分截取3.4、結(jié)果分析高斯濾波器，主要用戶濾除高斯噪聲，主要通過對相鄰的采樣點(diǎn)的值進(jìn)行加權(quán)平均來代替當(dāng)前采樣點(diǎn)的值可以看出，對于x-ray，原始信號存在許多的高斯噪聲，但是經(jīng)過高斯濾波后，高斯噪聲明顯減少，但是y-ray和z-ray的濾波效果不是很明顯四、Question two4.1、問題描述對信號axn,ayn和azn進(jìn)行加窗操作（窗長取為512），然后分別計(jì)算一個窗長內(nèi)的均值，方差，能量，和互相關(guān)系數(shù)；4.2、實(shí)驗(yàn)代碼%加窗截短figure(6)subplot(3, 1 ,1);winData1 = data(1000:1511,1);plot(1:512, winData1)su

9、bplot(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('after window process') mean(winData1(:,1);mean(winData2(:,1);mean(winData3(:,1);std(winData1, 0, 1);std(winData2, 0, 1);std(winData3, 0, 1);sum(winData1

10、.2);sum(winData2.2);sum(winData3.2); %the xcorr process figure(7)subplot(3, 1 ,1);a,b=xcorr(winData1, winData2); plot(b,a)xlabel('xcorr of X&Y');subplot(3, 1 ,2);a,b=xcorr(winData2, winData3); plot(b,a)xlabel('xcorr of Y&Z');subplot(3, 1 ,3);a,b=xcorr(winData1, winData3); plo

11、t(b,a)xlabel('xcorr of X&Z');4.3、實(shí)驗(yàn)結(jié)果加窗后的實(shí)驗(yàn)結(jié)果，windowSize = 512互相關(guān)的圖像x-rayy-rayz-rayMean129.5996151.1250122.8184Standard deviation7.303238.00109.7030Energy8626837124313717771297Statistics data4.4、結(jié)果分析經(jīng)過信號截短（加窗）后，可以明顯的看出信號本身是存在規(guī)律的，如y-ray的信號每經(jīng)過50個采樣點(diǎn)（0.5秒）就有一個峰值，類似于周期信號，可能相當(dāng)于人們邁腳向前跑的那一瞬間，向前

12、（y-ray）的加速度最大，然后衰減于此同時，在邁腳的一瞬間，z-ray（重心方向）的加速度會減小，因?yàn)槿讼蚯斑~步也有一個向上的加速度會抵消重力加速度；從數(shù)據(jù)上看，y-ray的方差也相對比較大，說明在y-ray上的加速度變化比較大，這與人跑步時的情況類似；五、Question two5.1、問題描述繪出上述處理前后3D加速度信號的頻譜特性，分析處理前后頻率特性的變化。（已知采樣率為100hz ）5.2、實(shí)驗(yàn)代碼%the spretrum of the original signalfs = 100;N = 1024;figure(8)y1 = fft(data(:,1), N);f = (1:

13、length(y1)-1)*fs/length(y1);plot(f, abs(y1(2:length(y1);xlabel('original signal:the spetrum of x-ray');figure(9)y2 = fft(data(:,2), N);plot(f, abs(y2(2:length(y2);xlabel('original signal:the spetrum of x-ray');figure(10)y3 = fft(data(:,3), N);plot(f, abs(y3(2:length(y3);xlabel('o

14、riginal signal:the spetrum of x-ray'); %the spretrum of the signal after avg filterfs = 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('after avg filter:the spetrum of x-ray');figure(12)y2 = fft(avgData3(:,2), N);plot(f, abs(y2(2:length(y2);xlabel('after avg filter:the spetrum of y-ray')f