用Matlab实现4种滤波降噪处理算法，信号为正弦信号叠加上白噪声，参数可自主定制。 %matlab clear all;clc; fs=300; Time=128; t=0:1/fs:Time; f1=1; T1=1/f1; y1=sin(2*pi*f1*t); figure; plot(t,y1);axis([0 4 -3 3]); title('原始正弦信号'); y2=y1+randn(1,length(y1)); figure; plot(t,y2);axis([0 4 -3 3]); title('加噪信号'); N=Time/T1-3;%累加中参数最大值不能超过信号序列否则没有数值，每个tt都要往后推N-1个周期，准备展示4个周期，故N最大为总周期数-3 T2=T1*fs; %线性累加平均算法 A1=linspace(0,4*T1*fs,4*T1*fs-1);%创建序列用来存储结果,由于是序列序号，故还需乘上fs for tt=0:4*T1*fs X1=0; for i=0:N-1 %进行N次累加用以平均 X1=X1+y2(1+tt+i*T2); end A1(1+tt)=X1/N; end figure; plot(A1);axis([0 1200 -3 3]);grid; title('线性累加算法'); %递推式平均算法 A2=linspace(0,length(y2),length(y2)-1); Ap1=linspace(0,N,N-1); for tt=0:4*T1*fs Ap1(1)=y2(1+tt); for n=2:N Ap1(n)=(n-1)/n*Ap1(n-1)+y2(1+tt+(n-1)*T2)/n; end A2(1+tt)=Ap1(N); end figure; plot(A2);axis([0 1200 -3 3]);grid; title('递推式平均算法'); %指数加权平均算法 A3=linspace(0,length(y2),length(y2)-1); Ap2=linspace(0,N,N-1); alpha=30; beta=(alpha-1)/alpha; for tt=0:4*T1*fs Ap2(1)=y2(1+tt)*(1-beta); for n=2:N Ap2(n)=beta*Ap2(n-1)+y2(1+tt+(n-1)*T2)*(1-beta); end A3(1+tt)=Ap2(N); end figure; plot(A3);axis([0 1200 -3 3]);grid; title('指数加权平均算法'); %五点移动平均算法 A4=linspace(0,length(y2),length(y2)-1); for tt=0:4*T1*fs if tt<=T2 A4(1+tt)=(2*y2(1+tt)+y2(1+tt+T2)+y2(1+tt+2*T2))/4; elseif T22*T2 A4(1+tt)=(y2(1+tt-T2)+2*y2(1+tt)+y2(1+tt+T2)+y2(1+tt+2*T2))/5; else A4(1+tt)=(y2(1+tt-2*T2)+y2(1+tt-T2)+2*y2(1+tt)+y2(1+tt+T2)+y2(1+tt+2*T2))/6; end end figure; plot(A4);axis([0 1200 -3 3]);grid; title('五点移动平均算法'); 运行后即可得到以下图像：
对比处理前后的图像可见不同算法对应的去噪效果（不同的采样点算法表现是不同的）。
注：算法公式及降噪原理详见 高晋占《微弱信号检测》，清华大学出版社。