Savitzky-Golay平滑滤波器的最小二乘拟合原理综述

介绍了Savitzky-Golay滤波器的推导方法——多项式的最小二乘拟合法及其推导过程,以及如何由Savitzky和Golay提出的多项式卷积计算方法进行最小二乘拟合计算,对Savitzky-Golay滤波器的二维算法进行了简单介绍,对其一维和二维的MATLAB代码进行了分析处理,并将Savitzky-Golay滤波器同其他低通滤波器进行了简单比较,简要说明了其优势以及一些应用方向。

车内综合烦躁度评价的时序平滑激励级谱CNN模型

激励级时频谱可用于建立车辆声品质卷积神经网络(CNN)评价模型。但是相对于时变声特征的波动性,车内声品质的瞬时主观评价曲线具有平滑特性,利用波动的声特征序列建立时变声品质评价模型,导致预测曲线呈现波动性,所以时序波动激励级谱的直接使用也会制约车内噪声整体综合烦躁度CNN评价模型的性能。本文中,首先利用Savitzky-Golay滤波器对激励级谱进行时域平滑处理;然后使用CNN构建车内噪声的综合烦躁度全局主观评价结果与时序平滑激励级谱之间的映射关系,建立基于时序平滑激励级谱的整体综合烦躁度CNN评价模型;最后采用留一法进行交叉检验,结果表明相比于激励级谱CNN模型,时序平滑激励级谱CNN模型对车内噪声整体综合烦躁度的评价性能更好,提高了预测精度(误差均值降低10.43%)、稳定性(误差方差降低44.26%)与一致性(Pearson相关系数提高4.13%),说明相比于激励级谱,时序平滑谱对车内综合烦躁度的解析能力更强。

基于非参数平滑的OFDM系统信道估计算法

研究了双衰落信道下正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统中信道估计的非参数方法。提出的方案首先利用梳状导频或散布导频和最小二乘算法估计出导频处的信道频率响应并进行简单的分段线性插值,然后用基于非参数统计方法的Savitzky-Golay平滑滤波器对插值后的信道估计值进行非参数平滑。与传统信道估计算法相比,算法大大降低了信道估计的均方误差、系统的误符号率和计算复杂度,运算量仅正比于有效子载波数,且对多普勒频移具有很强的鲁棒性。数值仿真结果证明了上述结论的正确性。统计检验结果表明,该算法在最小二乘意义下是最优的。

动态心电信号中消除极化电压的数字滤波方法

在动态心电信号采集中,极化电压很容易使放大器饱和。传统的方法是采用高通滤波模拟电路来消除,但是输出往往会有残留。如果提升高通滤波截止频率,则会导致心电信号低频段失真。该文采用Savitzky-Golay(SG)平滑滤波器,结合单边点数M和多项式的阶次p拟合了动态心电信号中的极化电压成分,用原始信号减去拟合信号从而得到无极化电压的心电信号。实验表明,用SG平滑滤波器消除极化电压是可行的,滤波后的心电信号有效成分没有任何丢失。

基于Electrooculogram的眼动信息识别

眼动电图(Electrooculogram,EOG)是无创记录眼球运动的一种有效方法,它能记录到眼球的任何微小动作,甚至闭眼状态下眼球的动作。为能自动识别其所包含的眼动信息,本文从时域分析出发,提出了幅度阈值法和微分法2种眼动信息识别方法,并重点实现了微分算法。微分法识别眼动信息的基本思想是,对基线调整、平滑处理后的EOG信号进行求一阶微分的运算,然后对微分结果求极值,最后根据不同眼动模式下EOG波形的微分极值分布特征进行眼动信息的识别。通过该法对19个EOG样本中所包含的眼动信息的识别,最终得到了总误判率小于0.02的结果。最后,本文还给出了从眨眼EOG波形分析得来的眨眼时的眼球动作的现象。

复模态指数函数在正交多项式辨识模态参数算法中的应用

首先介绍了模态指示函数的发展历程和研究现状,重点研究了复模态指示函数(CMIF)的相关理论,并探讨了噪声的存在对复模态指示函数计算结果的影响,之后引入Savitzky-Golay平滑滤波方法对CMIF曲线进行了平滑滤波,最大程度上消除了噪声干扰的影响;然后研究了基于CMIF指示结果的频响函数数据智能抽取算法;最后本文将平滑滤波后的CMIF和基于CMIF的FRF数据智能抽取算法应用在Forsythe正交多项式模态参数辨识算法中,并进行了仿真算例验证,取得了较好的效果。