时序序列傅里叶变换及常用滤波算法

快速傅里叶变换具体理论及其讲解可以参考：https://blog.csdn.net/deng_sai/article/details/52473503
直接上代码，通俗易懂

function [y, f] = Spectrum_Calc(data,Fs)
    %data为时序序列，Fs为采样频率
    %信号长度
    l=size(data,1);
    %N取信号长度的2的整次方
    N=2^(nextpow2(l));
    y=abs(fft(data,N)/N*2);
    f=Fs/N*(0:1:N-1);
    %由于频谱计算是对称的，所以只需要取一半绘图即可
    y=y(1:N/2);
    f=f(1:N/2);
end

常用的滤波方法
data为时序列

%移动平均滤波（常用的平滑滤波）
windowSize = 5; %窗口长度
%b,a为计算参数
b = (1/windowSize)*ones(1,windowSize);
a = 1;
data1 = filter(b,a,data);

%巴特沃斯低通滤波
wn = 2*end_hz/Fs;         %end_hz为截止频率
[b,a] = butter(n,Wc);     
%n表示滤波器的阶数，需要根据需要选择合适的整数，该方法是留下小于截止频率的信号，如果是想要留下两个频率之间的信号则用 [b,a] = butter(n,[wn1,wn2])
data1 = filter(b,a,data);

%中值滤波
data1 = medfilt1(data,n);%n表示阶数

%小波滤波
[data1,cdata1,ldata1] = wden(data,tptr,sorh,scal,n,'wname');

小波函数通解
[xd，cxd，lxd]=wden（x，tptr，sorh，scal，n，‘wname’）；
返回经过小波消噪处理后的信号xd及其小波分解结构。wname’）；返回经过小波消噪处理后的信号xd及其小波分解结构。
输入参数tptr为阈值选择标准：
thr1=thselect(x,‘rigrsure’);%stein无偏估计;
thr2=thselect(x,‘heursure’);%启发式阈值;
thr3=thselect(x,‘sqtwolog’);%固定式阈值;
thr4=thselect(x,‘minimaxi’);%极大极小值阈值;
输出参数sorh为函数选择阈值使用方式：
Sorh=s，为软阈值；
Sorh=h，为硬阈值；
输入参数scal规定了阈值处理随噪声水平的变化：
Scal=one，不随噪声水平变化。
Scal=sln，根据第一层小波分解的噪声水平估计进行调整。
Scal=mln，根据每一层小波分解的噪声水平估计进行调整。
n为小波分解的层数；
wname选择不同类型的小波
`