MATLAB实现滑动平均滤波法的实例（移动平均滤波器）

已于 2022-10-05 16:39:51 修改
阅读量1w 收藏 135
点赞数 16
分类专栏： MATLAB 文章标签： matlab 开发语言 算法 滤波
于 2022-10-05 16:20:43 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_35629563/article/details/127173272
版权

原始信号

0.03    -1.46    -0.26    -0.47    -1.46    -0.06    -0.47    -1.27    0.15    -0.47    -1.47    -0.01    -0.47    -1.27    0.17    -0.63    -1.37    0.15    -0.88    -1.07    0.25    -0.88    -1.27    0.25    -0.88    -1.07    0.4    -1.08    -1.07    0.11    -1.28    -0.87    0.21    -1.28    -0.94    0.36    -1.28    -0.46    0.25    -1.28    -0.46    0.23    -1.23    -0.46    -0.07    -1.31    -0.46    0.23    -1.31    -0.46    0.13    -1.49    -0.46    -0.47    -1.39    -0.46    -0.47    -1.44    -0.36    0.03    -1.44    -0.26    0.03    -1.56    -0.26    -0.47    -1.41    -0.26    -0.47    -1.6    -0.26    -0.47    -1.27    0.07    -0.47    -1.42    0.15    -0.88    -1.27    0.3    -1.08    -1.07    0.18    -1.34    -0.46    1.86    6.65    9.06    8.03    7.14    7.79    4.79    2.88    3.08    1.55    1.26    1.96    0.44    0.96    1.45    -0.09    1.16    0.94    -0.26    1.16    -0.47    -1.27    0.1    -1.28    -0.46    0.18    -1.31    -0.46    -0.12    -1.49    -0.01    -0.68    -1.27    0.04    -1.08    -0.46    0.23    -1.28    -0.46    -0.47    -1.46    -0.31    -0.47    -1.45    0.15    -0.58    -1.47    0.15    -0.88    -1.27    0.25    -0.88    -1.27    0.35    -1.08    -1.17    0.22    -1.08    -1.07    0.11    -1.28    -1.07    0.4    -1.28    -2.49    -7.36    -11.01    -9.98    -7.39    -9.19    -6.94    -4.07    -4.6    -3.7    -1.98    -3.31    -2.69    -1.3    -2.7    -2.49    -1.13    -2.5    -2.08    -0.68    -1.69    -0.46    0.03    -1.39    -0.46    0.21    -1.31    -0.46    0.08    -1.39    -0.77    0.13    -1.49    -0.46    0.23    -1.49    -0.46    -0.02    -1.49    -0.41    0.18    -1.46    -0.46    -0.47    -1.42    -0.26    -0.47    -1.44    -0.26    -0.47    -1.55    -0.01    -0.58    -1.42    -0.46    -0.47    -1.45    -0.06    -0.5    -1.27    0.15    -0.88    -1.27    0.35    -1.28    0.55    7.48    8.33    8.76    7.83    6.83    5.72    3.48    1.97    2.54    1.02    1.36    1.86    0.34    0.96    0.94    -0.06    1.16    0.34    -0.06    0.51    -1.28    -0.46    0.13    -1.44    -0.26    -0.47    -1.45    0.06    -0.7    -1.22    0.32    -1.18    -0.46    0.07    -1.54    -0.31    -0.47    -1.27    0.15    -0.98    -1.17    0.26    -1.23    -0.46    -0.07    -1.34    -0.46    -0.07    -1.3    -0.16    -0.47    -1.49    -0.26    -0.47    -1.45    -0.06    -0.47    -1.47    0.04    -0.68    -1.42    0.07    -0.88    -2.61    -7.15    -10.3    -10.34    -7.3    -8.58    -7.75    -4.11    -4.32    -3.91    -1.63    -3.01    -3.1    -1.21    -2.6    -2.49    -1.06    -2.3    -2.08    -0.66    -1.49    -1.17    0.12    -1.28    -0.46    0.31    -1.34    -0.46    0.06    -1.49    -0.46    -0.07    -1.39    -0.41    -0.47    -1.49    -0.46    -0.47    -1.44    -0.36    -0.12    -1.46    -0.06    -0.47    -1.42    -0.21    -0.47    -1.47    -0.06    -0.53    -1.27    0.17    -0.68

 上面是最初采集到的原始信号，接下来对其进行可视化

matlab程序：

%% 可视化
clearvars
clc
close
y0=[0.03	-1.46	-0.26	-0.47	-1.46	-0.06	-0.47	-1.27	0.15	-0.47	-1.47	-0.01	-0.47	-1.27	0.17	-0.63	-1.37	0.15	-0.88	-1.07	0.25	-0.88	-1.27	0.25	-0.88	-1.07	0.4	-1.08	-1.07	0.11	-1.28	-0.87	0.21	-1.28	-0.94	0.36	-1.28	-0.46	0.25	-1.28	-0.46	0.23	-1.23	-0.46	-0.07	-1.31	-0.46	0.23	-1.31	-0.46	0.13	-1.49	-0.46	-0.47	-1.39	-0.46	-0.47	-1.44	-0.36	0.03	-1.44	-0.26	0.03	-1.56	-0.26	-0.47	-1.41	-0.26	-0.47	-1.6	-0.26	-0.47	-1.27	0.07	-0.47	-1.42	0.15	-0.88	-1.27	0.3	-1.08	-1.07	0.18	-1.34	-0.46	1.86	6.65	9.06	8.03	7.14	7.79	4.79	2.88	3.08	1.55	1.26	1.96	0.44	0.96	1.45	-0.09	1.16	0.94	-0.26	1.16	-0.47	-1.27	0.1	-1.28	-0.46	0.18	-1.31	-0.46	-0.12	-1.49	-0.01	-0.68	-1.27	0.04	-1.08	-0.46	0.23	-1.28	-0.46	-0.47	-1.46	-0.31	-0.47	-1.45	0.15	-0.58	-1.47	0.15	-0.88	-1.27	0.25	-0.88	-1.27	0.35	-1.08	-1.17	0.22	-1.08	-1.07	0.11	-1.28	-1.07	0.4	-1.28	-2.49	-7.36	-11.01	-9.98	-7.39	-9.19	-6.94	-4.07	-4.6	-3.7	-1.98	-3.31	-2.69	-1.3	-2.7	-2.49	-1.13	-2.5	-2.08	-0.68	-1.69	-0.46	0.03	-1.39	-0.46	0.21	-1.31	-0.46	0.08	-1.39	-0.77	0.13	-1.49	-0.46	0.23	-1.49	-0.46	-0.02	-1.49	-0.41	0.18	-1.46	-0.46	-0.47	-1.42	-0.26	-0.47	-1.44	-0.26	-0.47	-1.55	-0.01	-0.58	-1.42	-0.46	-0.47	-1.45	-0.06	-0.5	-1.27	0.15	-0.88	-1.27	0.35	-1.28	0.55	7.48	8.33	8.76	7.83	6.83	5.72	3.48	1.97	2.54	1.02	1.36	1.86	0.34	0.96	0.94	-0.06	1.16	0.34	-0.06	0.51	-1.28	-0.46	0.13	-1.44	-0.26	-0.47	-1.45	0.06	-0.7	-1.22	0.32	-1.18	-0.46	0.07	-1.54	-0.31	-0.47	-1.27	0.15	-0.98	-1.17	0.26	-1.23	-0.46	-0.07	-1.34	-0.46	-0.07	-1.3	-0.16	-0.47	-1.49	-0.26	-0.47	-1.45	-0.06	-0.47	-1.47	0.04	-0.68	-1.42	0.07	-0.88	-2.61	-7.15	-10.3	-10.34	-7.3	-8.58	-7.75	-4.11	-4.32	-3.91	-1.63	-3.01	-3.1	-1.21	-2.6	-2.49	-1.06	-2.3	-2.08	-0.66	-1.49	-1.17	0.12	-1.28	-0.46	0.31	-1.34	-0.46	0.06	-1.49	-0.46	-0.07	-1.39	-0.41	-0.47	-1.49	-0.46	-0.47	-1.44	-0.36	-0.12	-1.46	-0.06	-0.47	-1.42	-0.21	-0.47	-1.47	-0.06	-0.53	-1.27	0.17	-0.68];
t=1:max(size(y0));

plot(t,y0)
title("原始信号")

 

  可以看到原始信号存在周期性的干扰，所以根据文章《数字滤波算法》，可以采用滑动平均滤波算法（也叫移动平均滤波）。

MATLAB自带函数filter程序

%%
clearvars
clc
close
y0=[0.03	-1.46	-0.26	-0.47	-1.46	-0.06	-0.47	-1.27	0.15	-0.47	-1.47	-0.01	-0.47	-1.27	0.17	-0.63	-1.37	0.15	-0.88	-1.07	0.25	-0.88	-1.27	0.25	-0.88	-1.07	0.4	-1.08	-1.07	0.11	-1.28	-0.87	0.21	-1.28	-0.94	0.36	-1.28	-0.46	0.25	-1.28	-0.46	0.23	-1.23	-0.46	-0.07	-1.31	-0.46	0.23	-1.31	-0.46	0.13	-1.49	-0.46	-0.47	-1.39	-0.46	-0.47	-1.44	-0.36	0.03	-1.44	-0.26	0.03	-1.56	-0.26	-0.47	-1.41	-0.26	-0.47	-1.6	-0.26	-0.47	-1.27	0.07	-0.47	-1.42	0.15	-0.88	-1.27	0.3	-1.08	-1.07	0.18	-1.34	-0.46	1.86	6.65	9.06	8.03	7.14	7.79	4.79	2.88	3.08	1.55	1.26	1.96	0.44	0.96	1.45	-0.09	1.16	0.94	-0.26	1.16	-0.47	-1.27	0.1	-1.28	-0.46	0.18	-1.31	-0.46	-0.12	-1.49	-0.01	-0.68	-1.27	0.04	-1.08	-0.46	0.23	-1.28	-0.46	-0.47	-1.46	-0.31	-0.47	-1.45	0.15	-0.58	-1.47	0.15	-0.88	-1.27	0.25	-0.88	-1.27	0.35	-1.08	-1.17	0.22	-1.08	-1.07	0.11	-1.28	-1.07	0.4	-1.28	-2.49	-7.36	-11.01	-9.98	-7.39	-9.19	-6.94	-4.07	-4.6	-3.7	-1.98	-3.31	-2.69	-1.3	-2.7	-2.49	-1.13	-2.5	-2.08	-0.68	-1.69	-0.46	0.03	-1.39	-0.46	0.21	-1.31	-0.46	0.08	-1.39	-0.77	0.13	-1.49	-0.46	0.23	-1.49	-0.46	-0.02	-1.49	-0.41	0.18	-1.46	-0.46	-0.47	-1.42	-0.26	-0.47	-1.44	-0.26	-0.47	-1.55	-0.01	-0.58	-1.42	-0.46	-0.47	-1.45	-0.06	-0.5	-1.27	0.15	-0.88	-1.27	0.35	-1.28	0.55	7.48	8.33	8.76	7.83	6.83	5.72	3.48	1.97	2.54	1.02	1.36	1.86	0.34	0.96	0.94	-0.06	1.16	0.34	-0.06	0.51	-1.28	-0.46	0.13	-1.44	-0.26	-0.47	-1.45	0.06	-0.7	-1.22	0.32	-1.18	-0.46	0.07	-1.54	-0.31	-0.47	-1.27	0.15	-0.98	-1.17	0.26	-1.23	-0.46	-0.07	-1.34	-0.46	-0.07	-1.3	-0.16	-0.47	-1.49	-0.26	-0.47	-1.45	-0.06	-0.47	-1.47	0.04	-0.68	-1.42	0.07	-0.88	-2.61	-7.15	-10.3	-10.34	-7.3	-8.58	-7.75	-4.11	-4.32	-3.91	-1.63	-3.01	-3.1	-1.21	-2.6	-2.49	-1.06	-2.3	-2.08	-0.66	-1.49	-1.17	0.12	-1.28	-0.46	0.31	-1.34	-0.46	0.06	-1.49	-0.46	-0.07	-1.39	-0.41	-0.47	-1.49	-0.46	-0.47	-1.44	-0.36	-0.12	-1.46	-0.06	-0.47	-1.42	-0.21	-0.47	-1.47	-0.06	-0.53	-1.27	0.17	-0.68];

t=1:max(size(y0));

windowSize = 3; 
b = (1/windowSize)*ones(1,windowSize);
a = 1;
y1 = filter(b,a,y0);

windowNum=3;
subplot(windowNum,1,1)
plot(t,y0)
title("原始信号")

subplot(windowNum,1,2)
plot(t,y1)
title("滤波后")

subplot(windowNum,1,3)
plot(t,y0)
hold on
plot(t,y1)
title("对比")

 运行结果：

从第二张图片可以看到滤波后的曲线蛮光滑的，从第三张图片的对比可以看到滤波效果可以算是差强人意。 

自己编写滤波程序

接下来为了后面方便移植到C语言，所以尝试自己完成函数filter的功能，根据函数filter的帮助文档，了解到

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)=\frac{1}{windowSize}*[x(n)+x(n-1)+...+x(n-(windowSize-1))].

 编写fun_myFilter函数：

function [outputArg] = fun_myFilter(windowSize,inputArg)
%FUN_MYFILTER windowSize-窗口大小；inputArg-原始信号
%   实现MATLAB自带函数filter的移动平均滤波器
window=zeros(1,windowSize);
size_in=size(inputArg);
p_data=1;
outputArg=zeros(size_in);

for i=1:max(size_in)
    window(p_data)=inputArg(i);
    outputArg(i)=sum(window)/windowSize;
    p_data=p_data+1;
    if p_data>windowSize
        p_data=1;
    end
end

end

fun_myFilter与filter的对比

%% fun_myFilter与filter的对比
clearvars
clc
close
y0=[0.03	-1.46	-0.26	-0.47	-1.46	-0.06	-0.47	-1.27	0.15	-0.47	-1.47	-0.01	-0.47	-1.27	0.17	-0.63	-1.37	0.15	-0.88	-1.07	0.25	-0.88	-1.27	0.25	-0.88	-1.07	0.4	-1.08	-1.07	0.11	-1.28	-0.87	0.21	-1.28	-0.94	0.36	-1.28	-0.46	0.25	-1.28	-0.46	0.23	-1.23	-0.46	-0.07	-1.31	-0.46	0.23	-1.31	-0.46	0.13	-1.49	-0.46	-0.47	-1.39	-0.46	-0.47	-1.44	-0.36	0.03	-1.44	-0.26	0.03	-1.56	-0.26	-0.47	-1.41	-0.26	-0.47	-1.6	-0.26	-0.47	-1.27	0.07	-0.47	-1.42	0.15	-0.88	-1.27	0.3	-1.08	-1.07	0.18	-1.34	-0.46	1.86	6.65	9.06	8.03	7.14	7.79	4.79	2.88	3.08	1.55	1.26	1.96	0.44	0.96	1.45	-0.09	1.16	0.94	-0.26	1.16	-0.47	-1.27	0.1	-1.28	-0.46	0.18	-1.31	-0.46	-0.12	-1.49	-0.01	-0.68	-1.27	0.04	-1.08	-0.46	0.23	-1.28	-0.46	-0.47	-1.46	-0.31	-0.47	-1.45	0.15	-0.58	-1.47	0.15	-0.88	-1.27	0.25	-0.88	-1.27	0.35	-1.08	-1.17	0.22	-1.08	-1.07	0.11	-1.28	-1.07	0.4	-1.28	-2.49	-7.36	-11.01	-9.98	-7.39	-9.19	-6.94	-4.07	-4.6	-3.7	-1.98	-3.31	-2.69	-1.3	-2.7	-2.49	-1.13	-2.5	-2.08	-0.68	-1.69	-0.46	0.03	-1.39	-0.46	0.21	-1.31	-0.46	0.08	-1.39	-0.77	0.13	-1.49	-0.46	0.23	-1.49	-0.46	-0.02	-1.49	-0.41	0.18	-1.46	-0.46	-0.47	-1.42	-0.26	-0.47	-1.44	-0.26	-0.47	-1.55	-0.01	-0.58	-1.42	-0.46	-0.47	-1.45	-0.06	-0.5	-1.27	0.15	-0.88	-1.27	0.35	-1.28	0.55	7.48	8.33	8.76	7.83	6.83	5.72	3.48	1.97	2.54	1.02	1.36	1.86	0.34	0.96	0.94	-0.06	1.16	0.34	-0.06	0.51	-1.28	-0.46	0.13	-1.44	-0.26	-0.47	-1.45	0.06	-0.7	-1.22	0.32	-1.18	-0.46	0.07	-1.54	-0.31	-0.47	-1.27	0.15	-0.98	-1.17	0.26	-1.23	-0.46	-0.07	-1.34	-0.46	-0.07	-1.3	-0.16	-0.47	-1.49	-0.26	-0.47	-1.45	-0.06	-0.47	-1.47	0.04	-0.68	-1.42	0.07	-0.88	-2.61	-7.15	-10.3	-10.34	-7.3	-8.58	-7.75	-4.11	-4.32	-3.91	-1.63	-3.01	-3.1	-1.21	-2.6	-2.49	-1.06	-2.3	-2.08	-0.66	-1.49	-1.17	0.12	-1.28	-0.46	0.31	-1.34	-0.46	0.06	-1.49	-0.46	-0.07	-1.39	-0.41	-0.47	-1.49	-0.46	-0.47	-1.44	-0.36	-0.12	-1.46	-0.06	-0.47	-1.42	-0.21	-0.47	-1.47	-0.06	-0.53	-1.27	0.17	-0.68];

t=1:max(size(y0));


windowSize = 3; 
b = (1/windowSize)*ones(1,windowSize);
a = 1;
y1 = filter(b,a,y0);

y2 = fun_myFilter(windowSize,y0);

windowNum=3;
subplot(windowNum,1,1)
plot(t,y0)
hold on
plot(t,y1)
title("filter")

subplot(windowNum,1,2)
plot(t,y0)
hold on
plot(t,y2)
title("fun\_myFilter")

subplot(windowNum,1,3)
plot(t,y1)
hold on
plot(t,y2)
title("filter和fun\_myFilter对比")

结果如下：

 可以看到最后两个曲线是重合的，所以fun_myFilter算是滑动平均滤波

飞由于度
关注
  • 16
    点赞
  • 踩
  • 135
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
滑动均值滤波的matlab实现和Java实现
ZJsnowman的博客
09-11 3692
通过滑动均值滤波对不能识别的波形进行过滤。 先通过matlab来进行验证，最后改写成Java 给出了如何选择窗口大小
matlab生成s加减速曲线,一种基于移动平均算法的S曲线加减速控制方法与流程
weixin_32584807的博客
03-16 1522
本发明属于运动控制领域，具体涉及一种基于移动平均算法的S曲线加减速控制方法。背景技术：加减速技术是数控系统的关键技术之一，算法的优劣直接决定着加工效率和加工精度。一种优秀的加减速算法既可以保证机床在启动或停止的过程中不发生冲击、失步、超程和震荡，也满足算法简单，加减速时间短，实时性强的特点。一般常用的加减速算法包括直线加减速，指数型加减速和S曲线加减速。前两种虽然算法简单，但是不能够进行柔性加工，...
滑动平均滤波算法——MATLAB实现
热门推荐
wfj的博客
12-25 1万+
算法原理 滑动平均滤波算法的基本思想是设定一个宽度固定的滑动窗口，该窗口沿着时间序列滑动，同时取窗内数据的算术平均值作为输出值，而由输出值组成另一个数字序列，也就是滤波后的序列。设N为滑动窗口的宽度，若N=2k+1，输入、输出分别为x(n)x(n)x(n)和y(n)y(n)y(n)，则 y(n)=12k+1⋅∑i=−ki=kx(n+i) y(n)=\frac{1}{2k+1}\cdot\sum^{i=k}_{i=-k}{x(n+i)} y(n)=2k+11​⋅i=−k∑i=k​x(n+i) MATLAB代码
滑动平均滤波matlab程序
02-27
滑动平均滤波代码，可用于matlab中相关数据的滤波处理，可以自行更改程序中的m自变量以更改滑动的窗宽
信号平滑或移动平均滤波研究（Matlab代码实现）
最新发布
Ke_Yan_She的博客
07-16 720
信号平滑或移动平均滤波是一种常用的信号处理技术，用于去除信号中的噪声或波动，使信号变得更加平滑和稳定。移动平均滤波的基本原理是将信号中的每个数据点与其前后若干个数据点的平均值进行比较，然后用该平均值替代该数据点。这样可以有效地平滑信号，并减小噪声的影响。常见的移动平均滤波方法包括简单移动平均、加权移动平均和指数移动平均等。简单移动平均是最基本的移动平均滤波方法，它将信号中每个数据点与其前后一定数量的数据点的平均值进行比较。
matlab 滑动平均滤波实现信号去噪附代码
m0_60703264的博客
12-21 1849
滤波是信号处理中常用的技术之一，它可以去除信号中的噪声，提高信号的质量和准确度。在实际应用中，滤波技术被广泛应用于声音处理、图像处理、生物医学工程、通信工程等领域。本文将介绍一种基于滑动平均滤波（MovAvgFilter）实现信号去噪的方法。一、滑动平均滤波滑动平均滤波是一种简单的滤波方法，它的原理是对信号进行平均处理，以达到去除噪声的目的。具体而言，滑动平均滤波将信号分成若干个窗口，每个窗口内的数据进行平均处理，得到一个平均值，作为该窗口的输出值。
MATLAB滑动平均滤波
12-04
有很大参考价值，亲测有用。
matlab中smooth函数平滑处理数据实例
07-04
本实例主要介绍了如何使用MATLAB中的`smooth`函数进行数据平滑，包括移动平均法以及其他的平滑方法，如LOWESS、RLOWESS和LOESS。以下是详细的解释和应用。 首先，我们生成了一个从0到2π的向量`t`，长度为500，然后...
MATLAB中的信号滤波与去噪方法
信号滤波的基本原理是通过设计滤波器，将输入信号通过滤波器后得到滤波后的输出信号。常见的滤波器包括低通滤波器、高通滤波器、带通滤波器和带阻滤波器等。通过滤波处理，可以使信号更加清晰，减少噪声干扰，有利于...
均值滤波matlab程序代码.docx
10-25
**方法二：双循环语句实现移动平均法** 这种方法通过手动构造滤波器并在图像上滑动，对每个像素周围的邻居求平均值，然后用这个平均值替换当前像素的值。这种方法更直观，但效率较低，因为它涉及到嵌套循环。同样，...
滑动平均滤波器_惯性传感器_滑动平均滤波器matlab实现_
10-02
1、读出给定的6维惯性传感器信号，并分别画出六个轴的信号波形；2、用M点（M分别取值3、5、8）滑动平均滤波器对输入的6维惯性传感器信号进行滤波，绘出滤波后信号的波形；观察并分析M值对输出波形的影响；并绘出该滑动滤波器传输函数的零极点图；
滑动平均滤波
10-07
关于matlab的音频信号处理，平均滤波算法能够实现声音的降噪处理
matlab实现序列滑动平均去躁
04-07
五点滑动平均滤波程序，s正弦波、n噪声、x=s+n，y为五点滑动平均的结果。 ssfile.wav: fs=8000Hz的s正弦波数据，xzfile.wav：fs=8000Hz的x信号数据，yyfile.wav:fs=8000Hz M=5点滑动平均滤波结果。 观察数据既可以在matlab中观察，也可以播放出来然后通过虚拟示波器观察数据。
滑动平均函数 MATLAB程序
05-03
滑动平均函数 MATLAB程序
算术滑动平均法（Matlab）
04-17
谱光滑算法之一,多参数可调，适合核专业同学进行能谱处理。
能使曲线变平滑的一维滤波器_菜鸟进阶系列·MATLAB数学建模·数据预处理(一）剔除异常值及平滑处理...
weixin_39606137的博客
01-17 2114
2021.1.14，时间一点一点地流逝，数学建模进度条发展状况不容乐观，冲冲冲！最重点的事情在本篇的最后，你也可以直接看末尾——medfilt优先级最高数据预处理，顾名思义，预处理操作有很多，总的来说，它的一个形象的起搏就是“胃肠前端的咀嚼”，较为复杂的预处理和正式处理的界限会模糊——对于消化系统，胃其实也算肠的预处理前端，但它比咀嚼要复杂的多。我们在咀嚼时，会把硌牙的异物吐出来已免其进入肠胃——...
滑动平均滤波_matlab &取整函数
try_trying_try的博客
06-21 351
ceil，与floor相反，它的意思是天花板，也就是取比它大的最小整数，即朝正无穷方向取整，如ceil(-1.3)=-1;floor，顾名思义，就是地板，所以是取比它小的整数，即朝负无穷方向取整，如floor(-1.3)=-2;round四舍五入到最近的整数，如round(-1.3)=-1;fix朝零方向取整，如fix(-1.3)=-1;
[MATLAB学习]：Matlab生成滑动平均滤波算法文件并移植到STM32单片机上运行——基于CubeMX
W_Oilpicture的博客
07-20 5024
人生如逆旅，我亦是行人。 今天分享一个在MATLAB上生成滤波算法文件，并将其移植到keil5上，运行至STM32单片机，一个很有用的方法。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值