如何在复杂信号中提取有用信号或噪声信号（5种方法，matlab版）

1、频域滤波

带通滤波器：如果知道原始信号的频率范围，可以设计一个带通滤波器，只保留该频率范围内的信号，其他频率部分被认为是噪声

带阻滤波器：如果知道噪声的频率范围，可以设计一个带阻滤波器，阻止该频率范围内的信号通过，从而只保留原始信号

频域滤波示例：

①信号的频域转换： 先对信号进行傅里叶变换，将其从时域转换到频域

% 生成示例信号
fs = 1000;            % 采样率
t = 0:1/fs:1-1/fs;    % 时间向量
f1 = 50;              % 原始信号频率
f2 = 200;             % 噪声信号频率
signal = sin(2 * pi * f1 * t) + 0.5 * sin(2 * pi * f2 * t) + 0.2 * randn(size(t));

% 傅里叶变换
fft_signal = fft(signal);
freqs = (0:length(signal)-1) * (fs / length(signal));

②设计滤波器：根据频率特性设计带阻滤波器，去除噪声频率成分

% 设计带阻滤波器
lowcut = 180;  % 带阻滤波器下限频率
highcut = 220; % 带阻滤波器上限频率
filter_mask = (freqs < lowcut) | (freqs > highcut);
filtered_fft_signal = fft_signal .* filter_mask;

③信号的逆频域转换：对过滤后的信号进行逆傅里叶变换，回到时域。

% 信号的逆傅里叶变换
filtered_signal = ifft(filtered_fft_signal);

% 绘图显示结果
figure;
subplot(2, 1, 1);
plot(t, signal);
title('原始信号');
xlabel('时间 (s)');
ylabel('幅值');

subplot(2, 1, 2);
plot(t, real(filtered_signal));
title('去噪后信号');
xlabel('时间 (s)');
ylabel('幅值');

2、时域分析

滑动平均滤波器：通过滑动窗口对信号进行平滑处理，可以减小噪声的影响

自适应滤波器：根据输入信号的特性动态调整滤波器参数，可以有效地分离出噪声

3、信号分解方法

小波变换：将信号分解到不同尺度的小波系数中，低频部分通常对应原始信号，高频部分则是噪声

经验模态分解（EMD）：将信号分解为一系列本征模态函数（IMF），噪声通常分布在较高频的IMF中

4、统计方法

主成分分析（PCA）：用于多维信号中，通过找到主成分和次要成分，可以分离出信号和噪声

独立成分分析（ICA）：将信号分解为统计独立的成分，噪声成分通常是独立的，可以分离出来

5、机器学习方法

监督学习：使用已标注的数据训练模型，识别并分离出噪声

非监督学习：使用聚类等算法，根据信号和噪声的不同特性进行分离

完整代码如下：

% 生成示例信号
fs = 1000;            % 采样率
t = 0:1/fs:1-1/fs;    % 时间向量
f1 = 50;              % 原始信号频率
f2 = 200;             % 噪声信号频率
signal = sin(2 * pi * f1 * t) + 0.5 * sin(2 * pi * f2 * t) + 0.2 * randn(size(t));

% 傅里叶变换
fft_signal = fft(signal);
freqs = (0:length(signal)-1) * (fs / length(signal));

% 设计带阻滤波器
lowcut = 180;  % 带阻滤波器下限频率
highcut = 220; % 带阻滤波器上限频率
filter_mask = (freqs < lowcut) | (freqs > highcut);
filtered_fft_signal = fft_signal .* filter_mask;

% 信号的逆傅里叶变换
filtered_signal = ifft(filtered_fft_signal);

% 绘图显示结果
figure;
subplot(2, 1, 1);
plot(t, signal);
title('原始信号');
xlabel('时间 (s)');
ylabel('幅值');

subplot(2, 1, 2);
plot(t, real(filtered_signal));
title('去噪后信号');
xlabel('时间 (s)');
ylabel('幅值');