matlab实现滑动平均滤波(一)

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。