Matlab函数：filter（1 维数字滤波器）

语法

y = filter(b,a,x)

y = filter(b,a,x,zi)

y = filter(b,a,x,zi,dim)

[y,zf] = filter(___)

说明

y = filter(b,a,x) 使用由分子和分母系数 b 和 a 定义的有理传递函数 对输入数据 x 进行滤波。

如果 a(1) 不等于 1，则 filter 按 a(1) 对滤波器系数进行归一化。因此，a(1) 必须是非零值。

• 如果 x 为向量，则 filter 将滤波后数据以大小与 x 相同的向量形式返回。

• 如果 x 为矩阵，则 filter 沿着第一维度操作并返回每列的滤波后的数据。

• 如果 x 为多维数组，则 filter 沿大小不等于 1 的第一个数组维度进行计算。

y = filter(b,a,x,zi) 将初始条件 zi 用于滤波器延迟。zi 的长度必须等于 max(length(a),length(b))-1。

y = filter(b,a,x,zi,dim) 沿维度 dim 进行计算。例如，如果 x 为矩阵，则 filter(b,a,x,zi,2) 返回每行滤波后的数据。

[y,zf] = filter(___) 还使用任一上述语法返回滤波器延迟的最终条件 zf。

示例

移动平均滤波器

移动平均滤波器是用于对含噪数据进行平滑处理的常用方法。此示例使用 filter 函数计算沿数据向量的平均值。

创建一个由正弦曲线数据组成的 1×100 行向量，其中的正弦曲线被随机干扰所损坏。

t = linspace(-pi,pi,100);
rng default  %initialize random number generator
x = sin(t) + 0.25*rand(size(t));

移动平均值滤波器沿数据移动长度为 windowSize 的窗口，并计算每个窗口中包含的数据的平均值。以下差分方程定义向量 x 的移动平均值滤波器：

y(n)=1windowSize(x(n)+x(n−1)+...+x(n−(windowSize−1))).

窗口大小为 5 时，计算有理传递函数的分子和分母系数。

windowSize = 5; 
b = (1/windowSize)*ones(1,windowSize);
a = 1;

求数据的移动平均值，并绘制其对原始数据的图。

y = filter(b,a,x);

plot(t,x)
hold on
plot(t,y)
legend('Input Data','Filtered Data')

对矩阵行进行滤波

此示例使用以下有理传递函数对数据的矩阵进行滤波。

H(z)=b(1)a(1)+a(2)z−1=11−0.2z−1

创建一个由随机输入数据组成的 2×15 矩阵。

rng default  %initialize random number generator
x = rand(2,15);

定义有理传递函数的分子和分母系数。

b = 1;
a = [1 -0.2];

沿着 x 的第二维度应用传递函数并返回每行的一维数字滤波结果。绘制原始数据的第一行对已滤波数据的图。

y = filter(b,a,x,[],2);

t = 0:length(x)-1;  %index vector

plot(t,x(1,:))
hold on
plot(t,y(1,:))
legend('Input Data','Filtered Data')
title('First Row')

绘制输入数据的第二行对已滤波数据的图。

figure
plot(t,x(2,:))
hold on
plot(t,y(2,:))
legend('Input Data','Filtered Data')
title('Second Row')

对各部分中的数据进行滤波

使用滤波器延迟的初始条件和最终条件对各部分中的数据进行滤波，尤其是需要考虑内存限制时请执行此操作。

生成一个大型的随机数据序列并将其拆分为两段：x1 和 x2。

x = randn(10000,1);

x1 = x(1:5000);
x2 = x(5001:end);

整个序列 x 是 x1 和 x2 的垂直串联。

定义有理传递函数的分子和分母系数，

H(z)=b(1)+b(2)z−1a(1)+a(2)z−1=2+3z−11+0.2z−1.

b = [2,3];
a = [1,0.2];

对子序列 x1 和 x2 进行滤波，一次一个。输出对 x1 进行滤波的最终条件，以便在第一段末尾存储滤波器的内部状态。

[y1,zf] = filter(b,a,x1);

将对 x1 进行滤波的最终条件用作对第二段也就是 x2 进行滤波的初始条件。

y2 = filter(b,a,x2,zf);

y1 是来自 x1 的滤波后的数据，而 y2 是来自 x2 的滤波后的数据。整个滤波后的序列是 y1 和 y2 的垂直串联。

同时对整个序列进行滤波以供比较。

y = filter(b,a,x);

isequal(y,[y1;y2])

ans = logical
   1

提示

• 要将 filter 函数与来自 FIR 滤波器的 b 系数结合使用，请使用 y = filter(b,1,x)。

• 如果您有 Signal Processing Toolbox™，请将 y = filter(d,x) 与 digitalFilter (Signal Processing Toolbox) 对象 d 结合使用来对输入信号 x 进行滤波。要根据频率响应设定生成 d，请使用 designfilt (Signal Processing Toolbox)。

• 有关滤波函数的详细信息，请参阅数字滤波 (Signal Processing Toolbox)。

参考

[1] Oppenheim, Alan V., Ronald W. Schafer, and John R. Buck. Discrete-Time Signal Processing. Upper Saddle River, NJ: Prentice-Hall, 1999.