低通滤波matlab代码

以下是一个简单的低通滤波MATLAB代码示例：

%定义信号
fs = 1000; %采样率
t = 0:1/fs:1-1/fs; %时间向量
x = sin(2*pi*50*t) + sin(2*pi*120*t); %信号
figure; plot(t,x); title('原始信号');

%设计低通滤波器
fc = 80; %截止频率
Wn = fc/(fs/2); %归一化截止频率
[b,a] = butter(6,Wn,'low'); %6阶Butterworth低通滤波器

%应用滤波器
y = filter(b,a,x);
figure; plot(t,y); title('低通滤波后的信号');

在这个示例中，我们首先定义一个信号，然后使用Butterworth低通滤波器设计一个截止频率为80Hz的滤波器。然后我们将信号通过滤波器，得到了一个低通滤波后的信号。

相关问题

离散低通滤波matlab代码

离散低通滤波器是一种信号处理工具，它允许低于某个截止频率的信号分量通过，同时阻止高于截止频率的分量。在MATLAB中实现离散低通滤波器可以使用内置函数如`filter`、`firls`、`fir1`等，也可以直接使用滤波器的设计函数`designfilt`来设计一个滤波器对象，然后应用它。下面是一个简单的例子：

% 设计一个FIR低通滤波器
Fs = 1000;            % 采样频率1000Hz
Fpass = 100;          % 通带截止频率100Hz
Fstop = 150;          % 阻带起始频率150Hz
Ap = 1;               % 通带最大衰减1dB
As = 60;              % 阻带最小衰减60dB

% 使用designfilt函数设计滤波器
d = designfilt('lowpassfir', ...
               'PassbandFrequency',Fpass, ...
               'StopbandFrequency',Fstop, ...
               'PassbandRipple',Ap, ...
               'StopbandAttenuation',As, ...
               'SampleRate',Fs);

% 使用filter函数应用滤波器
y = filter(d, x);     % x是输入信号，y是滤波后的信号

在上述代码中，我们首先定义了采样频率、通带截止频率、阻带起始频率、通带最大衰减和阻带最小衰减。然后使用`designfilt`函数来创建一个低通FIR滤波器对象`d`。最后，使用`filter`函数将设计好的滤波器应用于输入信号`x`，得到滤波后的输出信号`y`。

傅立叶变换低通滤波matlab代码

以下是在 MATLAB 中实现傅里叶变换低通滤波的示例代码：

% 读取图像
img = imread('lena.jpg');
% 转换为灰度图像
img_gray = rgb2gray(img);

% 进行傅里叶变换
f = fft2(img_gray);
fshift = fftshift(f);

% 设置低通滤波的截止频率
d = 30;
% 创建圆形掩模
[M, N] = size(f);
mask = zeros(M, N);
center_x = floor(M/2)+1;
center_y = floor(N/2)+1;
for i = 1:M
    for j = 1:N
        dist = sqrt((i-center_x)^2 + (j-center_y)^2);
        if dist <= d
            mask(i, j) = 1;
        end
    end
end

% 进行低通滤波
fshift = fshift .* mask;
fshift = ifftshift(fshift);
img_back = ifft2(fshift);

% 显示原图和处理后的图像
subplot(1,2,1), imshow(img_gray), title('Original');
subplot(1,2,2), imshow(abs(img_back), []), title('Low Pass Filtered');

在这个代码示例中，我们首先读取了一张名为 "lena.jpg" 的图像，并使用 `rgb2gray` 函数将其转换为灰度图像。然后，我们使用 `fft2` 函数进行二维傅里叶变换，并使用 `fftshift` 函数将零频率分量移到频谱图的中心。接下来，我们设置了低通滤波的截止频率，并创建了一个圆形掩模。然后，我们将掩模与频谱图相乘，使用 `ifftshift` 函数将零频率分量移到频谱图的左上角，使用 `ifft2` 函数进行二维傅里叶逆变换，并得到处理后的图像。最后，我们使用 MATLAB 自带的 `imshow` 函数显示原图和处理后的图像。