维纳-霍夫方程实验报告
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
大理大学实验报告
课程名称生物医学信号处理实验名称维纳-霍夫方程
专业班级
姓名羽卒兰cl
学号
实验日期2016年5月20日实验地点
2015—2016学年度第 3 学期
%load eegdata; %导入脑电信号的数据 %load icpdata; %导入颅内压信号的数据 %load respdata; %导入个呼吸信号的数据
%s = ecgdata(1:M)'; %取生成心电信号(1:M)的逆矩阵 %s = eegdata(1:M)'; %取生成脑电信号(1:M)的逆矩阵 %s = icpdata(1:M)'; %取生成颅内压信号(1:M)的逆矩阵 %s = respdata(1:M)'; %取生成呼吸信号(1:M)的逆矩阵 w = 0.4*randn(1,M); %白噪声，系数代表噪声相对强度 x = s+w; %仿真信号
Rss = xcorr(s,s); %估计信号自相关函数 Rww = xcorr(w,w); %估计噪声自相关函数 [h,e] = WH(Rss,Rww,M);
ss = filter(h,1,x); %用维纳滤波器滤波 figure;
subplot(2,2,1);plot(n,s);title('信号');%生成两行两列窗口，在第一个窗口画图，并标题 subplot(2,2,2);plot(n,w);title('噪声');%生成两行两列窗口，在第二个窗口画图，并标题 subplot(2,2,3);plot(n,x);title('观测值');%生成两行两列窗口，在第三个窗口画图，标题 subplot(2,2,4);plot(n,ss);title('信号估计');%生成两行两列窗口，在第四个窗口画图标题 figure;plot(n,ss-s);title('估计误差');%画估计误差图 error=mean((ss-s).^2)%求最小均方误差 思考题：
观察实验结果，对于几种不同的信号，维纳滤波是否都取得了较好的效果？如果效果不好，试分析原因。
1.只改变数据长度，观察其对信号的影响 1.1仿真信号，噪声强度w=0.4，阈值取
，M 分别取1024，2000，3000，4000
500
1000
1500
-1-0.500.51信号
500
1000
1500
-2-1012噪声
500
1000
1500
-2-1012观测值
50010001500
-1-0.500.51信号估计
500
10001500
2000
-1
-0.500.51信号
500
10001500
2000
-2
-1012噪声
500
1000
1500
2000
-2
-1
012观测值
500
1000
1500
2000
-1
-0.5
00.51信号估计
信号的长度M=1024 N=103 error=0.0092 信号的长度M=2000 N=114 error=0.0079
1000
2000
3000
-1
-0.5
00.5
1信号
1000
2000
3000
-2
-1012噪声
1000
2000
3000
-2
-1012观测值
1000
2000
3000
-1
-0.5
00.5
1信号估计 0
1000
20003000
4000
-1
-0.5
00.5
1信号
1000
2000
3000
4000
-2
-1012噪声
1000
2000
3000
4000
-2
-1
012观测值
1000
2000
3000
4000
-1
-0.5
00.5
1信号估计
信号的长度M=3000 N=200 error=0.0044 信号的长度M=4000 N=204 error=0.0050
图1 仿真信号的维纳滤波图（数据长度M 分别为1024，2000,3000,4000）
答：从图1可以看出，随着仿真信号长度M 分别为1024，2000,3000,4000的增大，N 值也逐渐增大，最小均方误差error 有下降的趋势，因此信号估计图越接近原信号，主要是因为M 越大，
样本点数越大，原始信号的采集量越大，结果比较准确。
1.2心电信号，噪声强度w=0.4，阈值取
，M 分别取128，256，512，1024
050100150
-0.5
00.5
1信号
050100150
-2
-10
1噪声
50
100
150
-2
-1012观测值
050100150
-1
-0.50
0.5信号估计
100
200
300
-0.5
0.5
1信号
100
200
300
-2
-1
12噪声
010*******
-2
-1
012观测值
010*******
-1
-0.5
0.5信号估计
信号的长度M=128 N=46 error=0.0326 信号的长度M=256 N=76 error=0.0189
200
400
600
-1
-0.500.51信号
020*******-2
-1
012噪声
200
400
600
-2
-1012观测值
020*******
-1
-0.50
0.5信号估计
500
1000
1500
-1
-0.5
00.51信号
500
1000
1500
-2
-1
012噪声
050010001500
-2
-1
012观测值
050010001500
-1
-0.5
0.5信号估计
信号的长度M=512 N=89 error=0.0234 信号的长度M=1024 N=176 error=0.0229 图2 心电信号的维纳滤波图（数据长度M 分别为128,256,512,1024）
答：从图2可以看出，随着心电信号长度M 分别为128,256,512，1024的增大，N 值也逐渐增大，最小均方误差error 有下降的趋势，因此信号估计图越接近原信号,但是心电信号有局限性，所以取值的时候要注意，要想取到1024以上，可以进行周期延拓。
1.3脑电信号，噪声强度w=0.4，阈值取
，M 分别取128，256，512，1024
50
100
150
-4-2024信号
50
100
150
-2-1012噪声
50
100
150
-4-2024观测值
50100150
-4-2024信号估计
100
200
300
-10
-5
5信号
100
200
300
-2
-1
012噪声
010*******
-10
-5
5观测值
010*******
-5
5
信号估计
信号的长度M=128 N=28 error=0.1261 信号的长度M=256 N=77 error=0.1497
200
400
600
-10
-5
5信号
200
400
600
-2-1
12噪声
020*******
-10
-5
5观测值
020*******
-5
5
信号估计
500
1000
1500
-10
-50510信号
500
1000
1500
-2-1012噪声
050010001500
-5
05
10观测值
050010001500
-5
5
10信号估计
信号的长度M=512 N=162 error=0.1149 信号的长度M=1024 N=444 error=0.1317 图3 脑电信号的维纳滤波图（数据长度M 分别为128,256,512,1024）
答：从图3可以看出，随着脑电信号长度M 分别为128,256,512，1024的增大，N 值逐渐增大，最小均方误差error 有上升的趋势，那是因为脑电信号是非平稳随机信号，不适用，脑电信号有局限性，所以取值的时候要注意，要想取到1024以上，可以进行周期延拓。