诗小葵的博客

1. 报错信息错误使用 save 必须为字符串标量或字符向量。clear; clc;a = 10;path = 'D:\';name = 'matData';path_name = fullfile(path, name);save(path_name, a);2. 报错原因Matlab 的 save 函数是通过字符串去寻找工作区中的变量。所以给 a 加上单引号即可~（参考：matlab 循环存储变量为.mat 以及save函数报错：错误使用 sav...

一、解析信号1. 定义解析信号是没有负频率分量的复值函数，解析信号的实部和虚部是由希尔伯特变换相关联的实值函数。 （参考：解析信号）2. 概念 一个实值函数的 Hilbert 变换记作为，则的解析信号为： 3. 性质（参考：希尔伯特变换简介） 解析信号有如下性质...

一、比较判别法波峰：f(x) > f(x-1) 且 f(x) > f(x+1)；波谷：f(x) <f(x-1) 且 f(x) < f(x+1)。二、一阶差分结合比较判别法波峰： 一阶差分异号 且 f(x) > f(x-1)；波谷： 一阶差分异号 且 f(x) < f(x-1)。三、二阶差分判别法 波峰： 一阶差分异号 且 二阶差分小于零；波...

方程组的求解本文不做介绍。一、三次样条插值1. 定义三次样条插值（Cublic Spline Interpolation），简称 Spline 插值，是通过一系列样本点的光滑曲线，数学上通过求解三弯矩方程组得出曲线函数组。 （参考：三次样条插值）2. 解决什么问题？通过采集数据，通常有两种做法：拟合或差值。拟合不要求曲线通过所有的样本点，讲究神似，即整体趋势一致；插值讲究形似，即要求曲线穿过每个样本点。插值生成的高阶曲...

（参考：模式识别（ECG信号的处理与识别））一、ECG信号干扰来源人体的心电信号是一种非线性、非平稳、随机性强的微弱生理信号，在信号采集过程中心电信号极易受到仪器、人体活动、操作者以及周围环境等各方面因素的干扰而引入噪声。ECG（心电图）信号的主要噪声包括：基带漂移、肌电干扰、工频噪声、其他噪声干扰等。基线漂移是 ECG 信号的主要噪声之一，主要是由于病人呼吸。电极贴片滑动等所导致，频率一般低于 1Hz，其表现为变换缓慢的类正弦曲线，如下图：...

一、能量信号和功率信号1. 能量信号能量有限的信号为能量信号；2. 功率信号功率有限的信号为功率信号。 总之来说，所有周期信号都是功率信号，所有有限数量的脉冲信号都是能量信号。 （参考：能量信号和功率信号的分别）二、能量谱和功率谱1. 能量谱能量谱也叫能量谱密度，能量谱密度描述了信号或时间序列的能量如果随频率分布。能量谱是原信号 FFT 变换的平方。2. 功率谱功率谱也叫功率谱密度函数，简称...

一、什么是最小二乘法？最小二乘法是回归问题中的一种数学优化工具，它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便的求得位置的数据，使得求得的数据与真值之间误差的平方和最小。 （参考：最小二乘法） 最小二乘，广义来说就是机器学习中的平方损失函数：​​​​​​​​​​​​​​​​​​​​​​​​​​​​ ...

一、带你了解基线漂移1. 什么是基线漂移？一个特别低频的曲线叠加到了原始信号上，使得原始信号有缓慢的轻微的上下浮动的趋势。如下图： （参考：信号基线漂移是什么意思？） （参考：心电 基线漂移的处理研究论文）2. 基线漂移的危害？ 如果不消除基线漂移/趋势项，那么会把趋势项当作真是采集的原始信号，会影响信号的准确性和后续的数据处理结果。 存在基线漂移时，在进行 FFT 分析、相关性分析和功率谱密度分...

1. 不显示坐标值plt.xticks([])plt.yticks([])2. 不显示坐标刻度plt.axis('off')3. 举个栗子~import matplotlib.pyplot as pltimport math# 生成信号fs = 1000f = 10t = list(range(0, 1000))t = [x/fs for x in t]a = [math.sin(2 * math.pi * f * x) for x in t]# 作图plt

一、为什么要进行分窗？1. 分窗的作用 信号进行 FFT 变换容易因为非周期截断造成频谱泄露，加窗可以更好地满足 FFT 处理的周期性要求，减少频谱泄露。频谱泄露详解见：【20211228】【信号处理】从 Matlab 仿真角度理解频谱泄露（参考：数字信号预处理--加窗的重要性） （参考：为什么要对信号加窗） （参考：【信号处理】基础知识——加窗windowing） （参考：窗函数作用和性质）2. 分窗使用范...

一、激光雷达二、毫米波雷达 毫米波雷达工作在毫米波波段，通常工作频率为 30~300GHz，波长为 1~10mm。三、优缺点比较

一、FFT 点数 N 选择不合理有什么影响？1. N 过小 栅栏效应，即频域频率分辨率不够，无法区分出某些频率成分。详见：【20211217】【信号处理】从 Matlab 仿真角度理解栅栏效应2. N 过大（1）增加了额外的计算量；（2）频谱不对。二、如何选取 FFT 点数 N？取决于要求的频率分辨率 F。频率分辨率 F 的定义：能够用 FFT 算法分析得到的最靠近的两个信号频率的频率间隔。...

1. 频谱混叠产生原因：采样频率不满足奈奎斯特采样定理，即采样频率过低，不满足采样频率高于信号最高频率的两倍的条件。解决方法： （1）增加时域采样点数，即提高采样频率； （2）或者在采样之前加一个抗混叠低通滤波器（把信号中超过 fs/2 的频率成分过滤掉）。详见：【20211214】【信号处理】从Matlab仿真的角度理解频谱混叠和奈奎斯特采样定理2. 栅栏效应产生原因：频谱的频率分辨率不...

一、频谱泄露1. 定义 频谱泄露会导致主谱线旁边有很多旁瓣，这会造成谱线间的干扰，严重的可能是旁瓣能量强到分不清哪个是主瓣，这就是所谓的谱间干扰。 （参考：FFT造成的频谱混叠，栅栏效应，频谱泄露，谱间干扰）2. 产生原因 信号被非周期截断，导致延拓信号和原信号的相位不连续，那么做 FFT 变换，得到的频谱就会发生频谱泄露。所以发生频谱泄露的原因是：信号被非周期截断/加窗。 如下图：图 1 的第 1 个子图是信号被周期截断，第 ...

一、定义栅栏效应是指离散傅里叶变换（DFT）计算的频谱被限制在基频的整数倍处，只能在相应的离散点处看到输出，而丢失了其他频率成分的信息的现象。（就好像透过一道栅栏看风景，只能看到透过栅栏缝隙的景色一样~） （参考：栅栏效应 （数字信号处理术语））二、产生原因 栅栏效应的本质就是频率分辨率不够，导致部分频率信息丢失，而丢失的这些频率信息很有可能就是重要的或具有重要特征的成分，所以可能会对信号处理的结果产生很大的影响。 （参考：...

采样频率： fs = 100Hz 信号频率：f1=40Hz，f2=60.05Hz一、奈奎斯特采样定理二、栅栏效应三、频谱泄露四、FFT点数选取

clear; clc; close all; warning off;fs = 1000;t = 0 : 1/fs : 10;datalength = length(t);s1 = 10 * sin(2 * pi * 50 * t); % 信号1s2 = 3 * sin(2 * pi * 100 * t); % 信号2s3 = 15 * cos(2 * pi * 30 * t); % 信号3s4 = 1 * randn(1, datalength); % 信号4（高斯白噪声）s .

一、最大值1. 最大值元素 np.max(lis)2. 最大值索引 np.argmax(lis) 或 np.where(lis==np.max(lis))二、最小值1. 最小值元素np.min(lis)2. 最小值索引np.argmin(lis) 或 np.where(lis==np.min(lis))三、中值1. 中值元素np.median(lis)2. 中值索引 ...

1. pca函数使用方法 [coeff, score] = pca(data);（1）输入参数data：待降维的数据集（2）输出参数 coeff：主成分分量，即样本协方差矩阵的特征向量； score：主成分，即样本在低维空间的投影，也就是降维后的数据。注意：score 的维度和原始样本 data 的维度一致，如果想要降到 k 维，只需选取 score 的前 k 列即可~%%clear; clc; close all...

1. C = setdiff(A, B)功能：返回 A 中存在但 B 中不存在的数据，不包含重复项。 （参考：setdiff）