Matlab滤波加速度测量数据中的电尖峰

我有一个受电尖峰影响的加速度数据集

我正在寻找一种很好的方法来过滤或减少这些峰值，因为需要在这些数据上计算FFT的滚动窗口和其他统计指标，如峰度和偏度。我不能简单地删除这些异常值或用NaN替换它们。 采样2000[hz]

到目前为止，我已经在MATLAB 2012b上进行了尝试：

• 小波去噪（Haar小波）
• 中值滤波器
• 轻视和教化方法

你能建议一个适当的方法来处理这些数据吗

---

我建议进行一些局部平滑处理。通过定义阈值并平均所有低于和高于的值

Af = data.example1;
% Thresholds
Tl = -0.6;
To = 0.6;

peaks = find( Af < Tl | Af > To);
Af(peaks) = ( Af(peaks-1) + Af(peaks+1) ) / 2;

Af=data.example1；
%阈值
Tl=-0.6；
To=0.6；
峰值=查找（AfTo）；
Af（峰）=（Af（峰-1）+Af（峰+1））/2；

这种方法的问题是，大纲视图有时最多包含6个示例。 因此，您需要使用while循环分多个步骤进行平滑：

Af = data.example1;
% Thresholds
Tl = -0.6;
To = 0.6;

% initialisation
peaks = find( Af < Tl | Af > To);
counter = 0;

while ~isempty(peaks)
    peaks = find( Af < Tl | Af > To);
    Af(peaks) = ( Af(peaks-1) + Af(peaks+1) ) / 2;
    counter=counter+1;
end

Af=data.example1；
%阈值
Tl=-0.6；
To=0.6；
%初始化
峰值=查找（AfTo）；
计数器=0；
而~是空的（峰值）
峰值=查找（AfTo）；
Af（峰）=（Af（峰-1）+Af（峰+1））/2；
计数器=计数器+1；
结束

经过6次迭代后，您会得到以下结果：

---

我建议进行一些局部平滑处理。通过定义阈值并平均所有低于和高于的值

Af = data.example1;
% Thresholds
Tl = -0.6;
To = 0.6;

peaks = find( Af < Tl | Af > To);
Af(peaks) = ( Af(peaks-1) + Af(peaks+1) ) / 2;

Af=data.example1；
%阈值
Tl=-0.6；
To=0.6；
峰值=查找（AfTo）；
Af（峰）=（Af（峰-1）+Af（峰+1））/2；

这种方法的问题是，大纲视图有时最多包含6个示例。 因此，您需要使用while循环分多个步骤进行平滑：

Af = data.example1;
% Thresholds
Tl = -0.6;
To = 0.6;

% initialisation
peaks = find( Af < Tl | Af > To);
counter = 0;

while ~isempty(peaks)
    peaks = find( Af < Tl | Af > To);
    Af(peaks) = ( Af(peaks-1) + Af(peaks+1) ) / 2;
    counter=counter+1;
end

Af=data.example1；
%阈值
Tl=-0.6；
To=0.6；
%初始化
峰值=查找（AfTo）；
计数器=0；
而~是空的（峰值）
峰值=查找（AfTo）；
Af（峰）=（Af（峰-1）+Af（峰+1））/2；
计数器=计数器+1；
结束

经过6次迭代后，您会得到以下结果：

我使用了matlab中心文件交换中的文件，对类似问题有很好的效果，尽管我看到您也尝试过

我采取的另一种方法是将峰值视为统计异常值，并使用which-use删除它们。（NIST网站因显而易见的原因关闭，因此以下是版本）

编辑后添加：我错了。我的鄙视算法不是来自我上面链接的文件交换函数。它实际上是从一篇期刊文章中提取出来的（代码列在论文的补充信息中，但他们没有将代码发布到文件交换中）。该文件是：

去除噪声的实用方法：应用于尖峰、非平稳准周期噪声和基线漂移

Delphine Feuerstein、Kim H.Parker和Martyn G.Boutelle

由于版权归美国化学学会和作者所有，我不能在这里复制代码，但是如果你有一个大学图书馆帐户，你可以下载一份。如果你没有，我留下了文件交换版本的链接，但是我没有使用它，所以我不能保证它的有效性

我使用了matlab中心文件交换中的文件，对于类似的问题效果非常好，尽管我看到您也尝试过

我采取的另一种方法是将峰值视为统计异常值，并使用which-use删除它们。（NIST网站因显而易见的原因关闭，因此以下是版本）

编辑后添加：我错了。我的鄙视算法不是来自我上面链接的文件交换函数。它实际上是从一篇期刊文章中提取出来的（代码列在论文的补充信息中，但他们没有将代码发布到文件交换中）。该文件是：

去除噪声的实用方法：应用于尖峰、非平稳准周期噪声和基线漂移

Delphine Feuerstein、Kim H.Parker和Martyn G.Boutelle

---

由于版权归美国化学学会和作者所有，我不能在这里复制代码，但是如果你有一个大学图书馆帐户，你可以下载一份。如果你没有，我留下了文件交换版本的链接，但是我没有使用它，所以我不能保证它的有效性

一位主持人将这个问题与-这就是为什么这里看起来有点混乱的原因。这个答案考虑了第二个问题中的其他问题

以下不是一个完全干净的解决方案，代码采用自，但我为您的案例添加了一个例外，因此您不需要手动删除数据开头和/或结尾的值。它只丢弃这些不应该引起问题的无效值

Af = csvread(strcat('example_data_with_peak.txt'),5,0); 

% Thresholds
Tl = -0.04;
To = 0.04;

% initialisation
peaks = find( Af < Tl | Af > To);
counter = 0;

while ~isempty(peaks)
    peaks = find( Af < Tl | Af > To);
    try
        Af(peaks) = ( Af(peaks-1) + Af(peaks+1) ) / 2;
    catch
        if peaks(1) == 1
            Af(1) = 0;
        else
            Af(end) = 0;
        end
    end   
    counter=counter+1;
end

figure(2);
plot(Af)

---

一位主持人将这个问题与-这就是为什么这里看起来有点混乱。这个答案考虑了第二个问题中的其他问题

以下不是一个完全干净的解决方案，代码采用自，但我为您的案例添加了一个例外，因此您不需要手动删除数据开头和/或结尾的值。它只丢弃这些不应该引起问题的无效值

Af = csvread(strcat('example_data_with_peak.txt'),5,0); 

% Thresholds
Tl = -0.04;
To = 0.04;

% initialisation
peaks = find( Af < Tl | Af > To);
counter = 0;

while ~isempty(peaks)
    peaks = find( Af < Tl | Af > To);
    try
        Af(peaks) = ( Af(peaks-1) + Af(peaks+1) ) / 2;
    catch
        if peaks(1) == 1
            Af(1) = 0;
        else
            Af(end) = 0;
        end
    end   
    counter=counter+1;
end

figure(2);
plot(Af)

---

对于其他可能需要这个的人，这里是我最后使用的。这是数据文件

感谢@thewaywewalk

全部清除、clc、clf、tic
aa=csvread（strcat（'/tmp/example_data_with_peak.txt'），5,0）；%将跳过前5行文字和零
图（1）；
地块（aa）
Af=aa；
%阈值
Tl=-平均值（绝对值（aa））*10
To=平均值（绝对值（aa））*10
%初始化
[peaks_r，peaks_c]=查找（AfTo）；
峰值=查找（AfTo）；
计数器=0；
而~是空的（峰值）
峰值=查找（AfTo）；
尝试
Af（峰）=（Af（峰-1）+Af（峰+1））/2；
抓住
如果峰值（1）
    if ( abs(y2-y(i)) > cutoff_far && abs(y1-y2) < cutoff_close )

    if ( abs(y2-y(i)) > 10*abs(y1-y2) )