在MATLAB中计算平均值进行下采样

假设我有一个包含44100个样本的文件，在fs=44100 Hz的频率下采样。 所以我的文件是1秒长

我想将采样频率降低到8Hz，但我不想通过每44100/8=5512,5个采样并保存在新阵列中来实现。但通过取前5512个样本的平均值，将新数组的1保存到位。然后取样本5513-11024，取其平均值，并保存在新数组的第2个位置。等等取样本11025至11025+5512，将其平均值放在数组的第3处

我知道这一定是某种双倍循环，但我就是不知道如何。。。有什么帮助吗

编辑：

代码，在一个非常手动的方式做什么，我正在寻找

`fs=44100
fo=8
A=randn（44100,1）；%使用随机数据在fs=44100处采样的阵列

A_resampled = zeros(numel(A)/5512);     

first_block = zeros(5512,1);  

for i = 1:length(first_block)  
   first_block(i) = A(i);  
end  

first_mean_value = mean(first_block);  

A_resampled(1) = first_mean_value;  

second_block = zeros(5512,1);  

for k = 5513:5512+length(second_block)  
   second_block(k) = A(k);  
end  

second_mean_value = mean(second_block);  

A_resampled(2) = second_mean_value;`

等等

sampling = 1:5512:length(sample);
resampled = zeros(numel(sampling),1);
for ii = 1:length(sampling)-1
    resampled(ii,1) = mean(sampling(ii:ii+1));
end

采样

是一个带有索引的数组，用于开始采样，然后循环仅取所有这些位的平均值

采样

是一个带有索引的数组，用于开始采样，然后循环简单地获取所有这些位的平均值。

将数组放入2D矩阵，然后沿列查找。为了确保我们可以正确地执行此操作，我们将填充阵列的末端，以确保您的信号是

fs/fo

的整数倍，其中

fs

是采样频率，

fo

是所需频率。。。因此这将分别是

44.1khz

和

8hz

因此，假设您的信号存储在

A

中，请执行以下操作：

%// Defines
A = ....; %// Define your array here
fs = 44100; %// Sampling frequency
fo = 8; %// Desired frequency

%// Determine how many samples there are per chunk
samples_per_chunk = floor(fs/fo);

%// Determine how many total chunks there are
num_chunks = ceil(numel(A)/samples_per_chunk);

%// Create a padded array where it is an integer multiple
%// of the chunk size and insert the original array into this padded
%// array
Apad = zeros(samples_per_chunk*num_chunks,1);
Apad(1:numel(A)) = A;

%// Reshape into 2D matrix
M = reshape(Apad, [], num_chunks);

%// Find average per chunk
out = mean(M, 1);

---

但是，这样做的结果是，如果数组不是

fs/fo

的整数倍，那么将不必要地平均附加到数组末尾的一组零。如果您不希望发生这种情况，一种方法是创建一个最初填充有

NaN

的矩阵，并使用该矩阵，以便

NaN

的值都不包含在平均值中。。。从而有效地忽略了填充值

类似这样的方法会起作用：

%// Code as before..
%// ...
%// ...

%// New
Apad = nan(samples_per_chunk*num_chunks,1);
Apad(1:numel(A)) = A;

M = reshape(Apad, [], num_chunks);
out = nanmean(M, 1);

但是，

nanmean

需要统计工具箱。如果您没有这个功能，那么您可以自己实现

nanmean

。将数组重塑为矩阵

M

后，计算每列有多少

NaN

元素，然后将所有列相加，除以非

NaN

的条目总数，计算平均值

%// Code as before...
%//....
%//....

%// New
M = reshape(Apad, [], num_chunks);

%// Count how total number of NaN values
counts = sum(isnan(M), 1);

%// Set NaN values to zero to not affect mean
M(isnan(M)) = 0;

%// Calculate new average
out = sum(M,2) ./ (size(M,1) - counts);

将数组转换为二维矩阵，然后沿列查找。为了确保我们可以正确地执行此操作，我们将填充阵列的末端，以确保您的信号是

fs/fo

的整数倍，其中

fs

是采样频率，

fo

是所需频率。。。因此这将分别是

44.1khz

和

8hz

因此，假设您的信号存储在

A

中，请执行以下操作：

%// Defines
A = ....; %// Define your array here
fs = 44100; %// Sampling frequency
fo = 8; %// Desired frequency

%// Determine how many samples there are per chunk
samples_per_chunk = floor(fs/fo);

%// Determine how many total chunks there are
num_chunks = ceil(numel(A)/samples_per_chunk);

%// Create a padded array where it is an integer multiple
%// of the chunk size and insert the original array into this padded
%// array
Apad = zeros(samples_per_chunk*num_chunks,1);
Apad(1:numel(A)) = A;

%// Reshape into 2D matrix
M = reshape(Apad, [], num_chunks);

%// Find average per chunk
out = mean(M, 1);

---

但是，这样做的结果是，如果数组不是

fs/fo

的整数倍，那么将不必要地平均附加到数组末尾的一组零。如果您不希望发生这种情况，一种方法是创建一个最初填充有

NaN

的矩阵，并使用该矩阵，以便

NaN

的值都不包含在平均值中。。。从而有效地忽略了填充值

类似这样的方法会起作用：

%// Code as before..
%// ...
%// ...

%// New
Apad = nan(samples_per_chunk*num_chunks,1);
Apad(1:numel(A)) = A;

M = reshape(Apad, [], num_chunks);
out = nanmean(M, 1);

但是，

nanmean

需要统计工具箱。如果您没有这个功能，那么您可以自己实现

nanmean

。将数组重塑为矩阵

M

后，计算每列有多少

NaN

元素，然后将所有列相加，除以非

NaN

的条目总数，计算平均值

%// Code as before...
%//....
%//....

%// New
M = reshape(Apad, [], num_chunks);

%// Count how total number of NaN values
counts = sum(isnan(M), 1);

%// Set NaN values to zero to not affect mean
M(isnan(M)) = 0;

%// Calculate new average
out = sum(M,2) ./ (size(M,1) - counts);

使用如何？让

x

表示您的输入向量。然后

n = ceil((1:numel(x))/5512.5); %// blocks of 5512, 5513, 5512, 5513... samples
result = accumarray(n(:), x (:), [], @mean);

请注意，

n

自动定义不相等的块大小，最多相差一个样本，以匹配您的分数目标块大小。在您的示例中，块大小是

5512

，

5513

，

5512

，

5513

。

如何使用？让

x

表示您的输入向量。然后

n = ceil((1:numel(x))/5512.5); %// blocks of 5512, 5513, 5512, 5513... samples
result = accumarray(n(:), x (:), [], @mean);

---

请注意，

n

自动定义不相等的块大小，最多相差一个样本，以匹配您的分数目标块大小。在您的示例中，块大小是

5512

，

5513

，

5512

，

5513

。

单for循环就足够了。尝试一下，一旦我们看到一些代码单for循环就足够了，我们就会提供帮助。试一试，一旦我们看到一些代码，我们就会提供帮助。你知道Divakar会对你使用循环说些什么吗-P但是OP要求这样做，所以+1感谢回复。但这不符合我的要求。也许我没有很好地解释我自己。我会试着用一种非常手动的方式发布一些代码（在主帖子中）来实现我想要的功能，也许这样会更容易理解。但非常感谢。你知道Divakar会怎么说你使用循环，对吗-P但是OP要求这样做，所以+1感谢回复。但这不符合我的要求。也许我没有很好地解释我自己。我会试着用一种非常手动的方式发布一些代码（在主帖子中）来实现我想要的功能，也许这样会更容易理解。但是非常感谢。@LuisMendo-谢谢：）注意

mean

；）中

1

的明确用法哦。。。我没有注意到。你能在某个地方加一个

“

让它更漂亮吗-D@LuisMendo-：D。。。我可以转置

M

并使用

2

作为平均值；）我真的不是100%理解代码，但是我得到了第一个551的第一个平均值的正确结果