Savitzky-Golay滤波器基本原理

propor

已于 2024-04-26 14:45:51 修改

阅读量1.3k

点赞数 7

分类专栏：数字信号处理文章标签：算法 Savitzky-Golay

于 2024-04-10 17:49:45 首次发布

本文链接：https://blog.csdn.net/propor/article/details/137549841

版权

数字信号处理专栏收录该内容

18 篇文章 5 订阅

订阅专栏

本文介绍Savitzky-Golay滤波器基本原理。

Savitzky-Golay滤波器（简称为S-G滤波器）被广泛地运用于数据平滑去噪，它是一种在时域内基于局域多项式最小二乘法拟合的滤波方法。这种滤波器最大的特点在于在滤除噪声的同时确保信号的形状，宽度不变。S-G滤波器滤波的效果和选取窗口宽度，多项式阶次有关。基于这种滤波器的特点，它在光谱分析（平滑滤波）中经常使用。

1.基本原理

S-G滤波器本质上属于FIR滤波器，我们知道设计FIR滤波器关键在于求得滤波器系数。对于S-G滤波器其系数即为多项式前的常系数，下面对其作简单推导。

设滤波器窗口宽度为L=2k+1，即以中心点s前后k个数据作为滤波器的窗口，多项式阶次为n。

则

$\begin{bmatrix} x_{s-k} \\ \vdots \\ x_{s-1} \\ x_{s} \\x_{s+1} \\ \vdots \\x_{s+k} \end{bmatrix}= \begin{bmatrix} b_{0}+b_{1}(t_{s}-k\Delta t)+b_{2}(t_{s}-k\Delta t)^{2}+\cdots+b_{n}(t_{s}-k\Delta t)^{n} \\ \vdots \\ b_{0}+b_{1}(t_{s}-1\Delta t)+b_{2}(t_{s}-1\Delta t)^{2}+\cdots+b_{n}(t_{s}-1\Delta t)^{n} \\ b_{0}+b_{1}(t_{s}-0\Delta t)+b_{2}(t_{s}-0\Delta t)^{2}+\cdots +b_{n}(t_{s}-0\Delta t)^{n} \\ b_{0}+b_{1}(t_{s}+1\Delta t)+b_{2}(t_{s}+1\Delta t)^{2}+\cdots +b_{n}(t_{s}+1\Delta t)^{n} \\ \vdots \\ b_{0}+b_{1}(t_{s}+k\Delta t)+b_{2}(t_{s}+k\Delta t)^{2}+\cdots+b_{n}(t_{s}+k\Delta t)^{n} \end{bmatrix} = \begin{bmatrix} a_{0}+a_{1}(-k)+a_{2}(-k)^{2}+\cdots+a_{n}(-k)^{n} \\ \vdots \\a_{0}+a_{1}(-1)+a_{2}(-1)^{2}+\cdots+a_{n}(-1)^{n} \\ a_{0}+a_{1}(0)+a_{2}(0)^{2}+\cdots+a_{n}(0)^{n} \\ a_{0}+a_{1}(1)+a_{2}(1)^{2}+\cdots+a_{n}(1)^{n} \\ \vdots \\ a_{0}+a_{1}(k)+a_{2}(k)^{2}+\cdots+a_{n}(k)^{n} \end{bmatrix}$

进而，

$x=\begin{bmatrix} 1 & -k & (-k)^{2} & \cdots & (-k)^{n}\\ 1 & \vdots & \vdots & \ddots & \vdots \\ 1 & -2 & (-2)^{2} & \cdots & (-2)^{n}\\ 1 & -1 & (-1)^{2} & \cdots & (-1)^{n}\\ 1 & 0 & 0 & 0 & 0 \\ 1 & 1 & (1)^{2} & \cdots & (1)^{n}\\ 1 & 2 & (2)^{2} & \cdots & (2)^{n}\\ 1 & \vdots & \vdots & \ddots & \vdots \\ 1 & k & (k)^{2} & \cdots & (k)^{n} \end{bmatrix}\begin{bmatrix} a_{0} \\ \vdots \\ a_{n} \end{bmatrix}= Ha$

H为范德蒙矩阵，经推导x的预测值

$\hat{x}=H(H^{T}H)^{-1}H^{T}x=Bx$

其中

1)B为与输入x无关的矩阵，也就是S-G滤波器系数

2)矩阵的行数由窗口宽度L决定，为L行

3)矩阵的列数由多项式阶次n决定，为n+1列

2.适用范围

S-G平滑滤波器通常用于“平滑”频率跨度（无噪声）较大的含噪信号。它们也被称为数字平滑多项式滤波器或最小二乘平滑滤波器。在某些应用中，S-G滤波器的性能优于标准平均值 FIR 滤波器，后者往往会将高频成分随噪声一起滤除。S-G滤波器在保留高频信号分量方面更为有效，但在抑制噪声方面不太成功。

S-G滤波器在对含噪数据帧进行多项式拟合时能够最小化最小二乘误差，从这个意义上而言，它们是最优的滤波器。

3.应用

1)滤波器系数求解

这里以窗口宽度为11，阶次为4为例。

在matlab中命令行输入：

order=4;
framelen=11;
v=-5:1:5;
A = fliplr(vander(v));
A=A(1:framelen,1:order+1);
B=A*inv(A'*A)*A';

在matlab中有专门设计S-G滤波器的命令，这里我们对比一下2个值，在命令行输入：

order=4;
framelen=11;
b = sgolay(order,framelen);

经过比较，这2个值是相等的。

注意：

a)矩阵B或b中间行向量（第6行）即为S-G滤波器的滤波器系数

b)矩阵B或b其他行在处理信号边缘（最左侧及最右侧）有用

2)信号边缘的采样值处理

a)采用sgolayfilt对信号进行处理

sgolayfilt是matlab内置的对输入信号进行S-G滤波的命令，这里以此为参考，对比信号边缘是否处理的差异。

order = 4;
framelen = 11;

lx = 36;
x = randn(lx,1);

sgf = sgolayfilt(x,order,framelen);

plot(x,':')
hold on
plot(sgf,'.-')
legend('signal','sgolay')

输出结果：

b)直接使用滤波器系数进行滤波

这里使输入信号和滤波器系数卷积（FIR）进行滤波。

m = (framelen-1)/2;

B = sgolay(order,framelen);

steady = conv(x,B(m+1,:),'same');

plot(steady)
legend('signal','sgolay','steady')

输出结果：

可见，直接使用滤波器系数进行滤波，在信号边缘滤波效果并不好，和matlab内置的滤波器命令也有差异。

c)对信号边缘进行处理

靠近信号边缘的采样无法放在对称窗的中心，必须区别对待。

为了确定启动瞬变，对 B 的前 (framelen-1)/2 行与信号的前 framelen 个采样执行矩阵乘法。

ybeg = B(1:m,:)*x(1:framelen);

为了确定终止瞬变，对 B 的最后 (framelen-1)/2 行与信号的最后 framelen 个采样执行矩阵乘法。

yend = B(framelen-m+1:framelen,:)*x(lx-framelen+1:lx);

将瞬变部分与稳态部分连接起来以生成完整信号。

cmplt = steady;
cmplt(1:m) = ybeg;
cmplt(lx-m+1:lx) = yend;

plot(cmplt)
legend('signal','sgolay','steady','complete')
hold off

输出结果：

可见，经过信号边缘进行处理后，和sgolayfilt滤波后的曲线重合。

4.实现

采用Eigen库，可容易实现：

1)范德蒙矩阵生成及相关矩阵运算（主要求B）

2)卷积运算或FIR滤波

也可以使用matlab或其他工具生成滤波器系数，再使用FIR滤波器进行滤波器（注意信号边缘的处理）。这里就不做过多介绍。

本文介绍了Savitzky-Golay滤波器基本原理。

propor

关注

7
点赞
踩
10

收藏

觉得还不错? 一键收藏
0
评论
Savitzky-Golay滤波器基本原理

Savitzky-Golay滤波器
复制链接

扫一扫

专栏目录

Savitzky-Golay滤波器基本原理

1.基本原理

2.适用范围

3.应用

1)滤波器系数求解

2)信号边缘的采样值处理

4.实现

“相关推荐”对你有帮助么？