主要内容

IdealFilter

时间序列理想的过滤器

在页面中崩溃

句法

tsout = ifealfilter（tsin，间隔，滤镜型）
tsout = ifealfilter（TSIN，间隔，滤镜，IND）

描述

例子

tsout = ifealfilter（TSin，，，，间隔，，，，筛选type）采用理想（非因果）类型的过滤器筛选type到指定的频率间隔间隔为一个时间序列目的TSin。

理想的过滤器是无因素的，滤波器幅度的末端在频域中是平坦的。数据输入TS必须为零。

tsout = ifealfilter（TSin，，，，间隔，，，，筛选type，，，，ind）可选地指定的行或列索引TSin将过滤器应用于。

例子

全部收缩

打开实时脚本

首先将理想的缺口过滤器应用于时间序列目的，，，，then apply a pass filter.

将数据加载到文件中count.dat，创建一个时间序列矩阵的对象数数。

加载count.dattsin = limeseries（count（：，1），1：24）;

计算数据的平均值TSin。

tsinmean =平均值（tsin）;

定义的频率间隔,在她的tz, for filtering the data.

间隔= [0.08 0.2];

调用理想的缺口过滤器。

tsoutnotch = ifealfilter（tsin，间隔，'缺口'）；

比较原始数据和过滤数据。

情节（tsin，' - 。')举行on情节（tsoutnotch，' - '）

将均值恢复到过滤数据。

tsoutnotchmean = tsoutnotch + tsinmean;情节（tsoutnotchmean，'：'） 标题（'陷波滤波器'） 传奇（“原始数据”，，，，“过滤数据”，，，，“平均恢复”，，，，...'Location'，，，，'西北')举行离开

图包含一个轴对象。带有标题Notch过滤器的轴对象包含3个类型行的对象。这些对象表示原始数据，过滤数据，平均还原。

使用A重复过滤过程经过筛选。

情节（tsin，' - 。')举行ontsoutpass = ifealfilter（tsin，间隔，'经过'）；情节（tsoutpass，' - '）tsoutpassmean = tsoutpass + tsinmean;情节（tsoutpassmean，'：'） 标题（“通过过滤器”） 传奇（“原始数据”，，，，“过滤数据”，，，，“平均恢复”，，，，...'Location'，，，，'西北'）

图包含一个轴对象。带有标题通滤波器的轴对象包含3个类型行的对象。这些对象表示原始数据，过滤数据，平均还原。

输入参数

全部收缩

输入时间序列零均值，指定为标量。

  • 如果TSin不均匀采样，然后IdealFilter在应用过滤器之前，在均匀时矢量上重新示例数据。

  • IdealFilter取代任何南要点TSin使用与TSin在应用过滤器之前。

数据类型：时间序列

频率间隔，指定为两列矩阵，其中每一行代表每个间隔的开始和结束频率。

数据类型：双倍的|单身的|int8|INT16|INT32|INT64|UINT8|UINT16|UINT32|Uint64

过滤类型，指定为以下选项之一：

  • '经过'- 允许特定频率范围的变化

  • '缺口'- 删除特定频率范围内的变化

数据类型：双倍的|单身的|int8|INT16|INT32|INT64|UINT8|UINT16|UINT32|Uint64

行或列索引，指定为正整数数字标量或向量。ind代表面向列的数据的列索引（tsin.istimefirst是真的）并表示针对行的数据的行索引（tsin.istimefirst是错误的）。

数据类型：双倍的|单身的|int8|INT16|INT32|INT64|UINT8|UINT16|UINT32|Uint64

版本历史记录

在R2006a之前引入

也可以看看

|