圖像微弱信號(hào)檢測(cè)

用Matlab實(shí)現(xiàn)4種濾波降噪處理算法，信號(hào)為正弦信號(hào)疊加上白噪聲，參數(shù)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('原始正弦信號(hào)');

y2=y1+randn(1,length(y1));

figure;

plot(t,y2);axis([0 4 -3 3]);

title('加噪信號(hào)');

N=Time/T1-3;%累加中參數(shù)最大值不能超過信號(hào)序列否則沒有數(shù)值，每個(gè)tt都要往后推N-1個(gè)周期，準(zhǔn)備展示4個(gè)周期，故N最大為總周期數(shù)-3

T2=T1*fs;

%線性累加平均算法

A1=linspace(0,4*T1*fs,4*T1*fs-1);%創(chuàng)建序列用來存儲(chǔ)結(jié)果,由于是序列序號(hào)，故還需乘上fs

for tt=0:4*T1*fs

X1=0;

for i=0:N-1 %進(jìn)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('線性累加算法');

%遞推式平均算法

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('遞推式平均算法');

%指數(shù)加權(quán)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('指數(shù)加權(quán)平均算法');

%五點(diǎn)移動(dòng)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 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('五點(diǎn)移動(dòng)平均算法');

運(yùn)行后即可得到以下圖像：

1對(duì)比處理前后的圖像可見不同算法對(duì)應(yīng)的去噪效果(不同的采樣點(diǎn)算法表現(xiàn)是不同的)。