如何利用周期性来降低信号噪声？
Ali*_*Ali 4 c++ matlab signal-processing r fft
已经从3维周期信号收集了100个周期.波长略有变化.波长的噪声遵循具有零均值的高斯分布.已知对波长的良好估计,这不是问题.振幅的噪声可能不是高斯噪声,并且可能被异常值污染.
如何计算所有收集的100个周期中"最佳"的单个周期？
时间序列,ARMA,ARIMA,卡尔曼滤波器,自回归和自相关似乎是这里的关键词.
更新1:我不知道时间序列模型是如何工作的.他们准备好不同的波长吗？他们能处理不平滑的真实信号吗？如果拟合了时间序列模型,我可以计算单个时期的"最佳估计"吗？怎么样？
更新2:相关的问题是这个.在我的情况下,速度不是问题.在收集所有期间后,处理将在线下完成.
问题的根源:我在200赫兹的人类步骤中测量加速度.之后我试图对数据进行双重积分以获得重心的垂直位移.当然,当您集成两次时,噪声会引入巨大的错误.我想利用周期性来减少这种噪音.下面是对应于3个周期的6个步骤的实际数据(y:以g为单位的加速度,x:以秒为单位的时间)的粗略图表(1个左侧,1个右侧步骤为周期):
我的兴趣现在纯粹是理论上的,因为http://jap.physiology.org/content/39/1/174.abstract提供了一个非常好的配方怎么做.
我们使用小波进行噪声抑制,并在行走时测量奶牛的相似信号.我不认为噪音在这里是一个很大的问题,最大的峰值代表行走时加速度的实际变化.
我想在您的实验过程中腿部和加速度计的角度会发生变化,您需要考虑到这一点,以便计算距离,即您需要知道每个时间步长中加速度计的方向是什么.请参阅此技术说明,了解角度.
如果您需要获得准确的位置测量,最好的解决方案是使用带有磁力计的加速度计,该磁力计也可以测量方向.这样的事情应该有效:http://www.sparkfun.com/products/10321.
编辑:我在过去的几天里对此进行了更多研究,因为类似的项目也在我的待办事项列表中...我们过去没有使用陀螺仪,但我们在下一个项目中这样做.
定位的不准确性不是来自白噪声,而是来自陀螺仪的不准确和漂移.然后由于双重积分,错误会很快累积.Intersense有一个名为Navshoe的产品,它通过在每个步骤之后将错误归零来解决这个问题(参见本文).而这是一个很好的介绍惯性导航.