【SG滤波】三阶滤波、五阶滤波、七阶滤波附Matlab代码

本文链接：https://blog.youkuaiyun.com/matlab_daizuo/article/details/147189887

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码及仿真咨询内容私信。

🔥 内容介绍

Savitzky-Golay (SG) 滤波，又称最小二乘平滑滤波器，是一种在信号处理领域中广泛应用的数字滤波器。它通过在数据窗口内进行多项式最小二乘拟合，然后利用拟合的多项式来估计中心点的值，从而达到平滑信号并保留信号特征的目的。与简单移动平均滤波相比，SG 滤波在平滑噪声的同时，更能较好地保留信号的边缘和峰值信息，尤其在处理光谱数据、生物信号等需要精确分析信号特征的应用中，SG 滤波的优势尤为明显。本文将深入探讨 SG 滤波的原理，并着重分析三阶、五阶、七阶 SG 滤波在信号平滑效果上的差异，为实际应用中滤波器参数的选择提供理论依据。

Savitzky-Golay滤波原理简述

SG 滤波的核心思想是在一个包含 2m+1 个数据点的滑动窗口内，使用一个 k 阶多项式进行最小二乘拟合。假设窗口内的数据点为 (x_i, y_i)，其中 i = -m, -m+1, ..., 0, ..., m-1, m，x_i 表示数据点的索引（通常为时间或空间坐标），y_i 表示数据点的值。拟合的多项式可以表示为：

p(x) = c_0 + c_1x + c_2x^2 + ... + c_k*x^k

其中 c_0, c_1, ..., c_k 是多项式系数。最小二乘拟合的目标是找到一组系数，使得误差平方和最小：

S = Σ [y_i - p(x_i)]^2 (i从-m到m)

通过求解这个最小化问题，可以得到最优的多项式系数。然而，在实际应用中，通常并不需要显式地求解系数，而是直接利用预先计算好的滤波系数进行卷积运算。这些滤波系数可以通过矩阵运算直接从最小二乘拟合的公式中导出，并被预先存储起来。对于每个数据点，将其与对应的滤波系数进行加权求和，即可得到平滑后的数据值。

SG 滤波的关键参数包括窗口长度 (2m+1) 和多项式阶数 (k)。窗口长度决定了参与平滑计算的数据点数量，而多项式阶数则决定了拟合曲线的复杂度。选择合适的窗口长度和多项式阶数是至关重要的，它直接影响着滤波器的平滑效果和信号保真度。

三阶、五阶、七阶SG滤波的特性对比

本文重点讨论三阶、五阶和七阶三种 SG 滤波，这三种阶数在实际应用中较为常见，并分别代表了不同程度的平滑能力和信号保真度。

三阶SG滤波: 采用三阶多项式进行拟合。由于多项式阶数较低，三阶 SG 滤波对信号的拟合能力相对较弱，因此其平滑能力也相对有限。优点是能够较好地保留信号的细节特征和边缘信息，不易过度平滑，但对于噪声抑制能力相对较弱。适合于噪声较小，需要精确保留信号特征的应用场景。
五阶SG滤波: 采用五阶多项式进行拟合。相比于三阶滤波，五阶 SG 滤波具有更强的拟合能力，能够更好地逼近信号的曲线特征，从而提供更强的平滑效果。在平滑噪声的同时，也能较好地保留信号的整体形状。缺点是可能会平滑掉一些细微的信号特征，但相比于更高阶的滤波，其对细节的保留能力仍然较好。适合于噪声中等，需要在平滑噪声和保留信号形状之间取得平衡的应用场景。
七阶SG滤波: 采用七阶多项式进行拟合。七阶 SG 滤波拥有最高的拟合能力，能够高度逼近信号的曲线特征，从而提供最强的平滑效果。其对噪声的抑制能力也最强。缺点是容易过度平滑信号，抹掉一些重要的细节特征，甚至可能引入虚假的信号成分。适合于噪声较大，对信号细节要求不高，主要关注信号整体趋势的应用场景。

不同阶数SG滤波对信号的影响分析

为了更直观地理解不同阶数 SG 滤波的差异，我们可以通过实验进行比较。假设我们有一个带有噪声的信号，分别使用三阶、五阶和七阶 SG 滤波进行处理，观察其平滑效果和信号保真度。

可以观察到，三阶 SG 滤波对噪声的平滑效果最弱，但信号的细节特征也保留得最好。五阶 SG 滤波在平滑噪声的同时，也能较好地保留信号的整体形状，但一些细微的细节特征可能会被平滑掉。七阶 SG 滤波对噪声的平滑效果最强，但同时也可能过度平滑信号，抹掉重要的细节特征，甚至改变信号的原始形状。

窗口长度的选择对SG滤波效果的影响

除了多项式阶数外，窗口长度也是影响 SG 滤波效果的重要参数。窗口长度越长，参与平滑计算的数据点越多，平滑效果越强，但同时也更容易过度平滑信号。窗口长度越短，平滑效果越弱，但信号的细节特征也保留得更好。

通常来说，窗口长度的选择需要根据信号的特点和应用需求进行调整。对于信号变化较为平缓，噪声较大的情况，可以选择较长的窗口长度；对于信号变化较为剧烈，需要精确保留信号细节的情况，可以选择较短的窗口长度。

实际应用中的参数选择策略

在实际应用中，SG 滤波的参数选择需要综合考虑信号的噪声水平、信号特征以及应用需求。以下是一些常用的参数选择策略：

噪声水平:
噪声水平越高，需要选择更强的平滑能力，可以选择更高阶的多项式或更长的窗口长度。
信号特征:
如果需要精确保留信号的细节特征，应选择较低阶的多项式和较短的窗口长度；如果主要关注信号的整体趋势，可以选择较高阶的多项式和较长的窗口长度。
应用需求:
不同的应用对信号的平滑效果和保真度有不同的要求。例如，在光谱分析中，需要精确保留光谱的峰值和形状，因此应选择较低阶的多项式和较短的窗口长度；在趋势预测中，主要关注信号的整体趋势，可以适当牺牲信号的细节特征，选择较高阶的多项式和较长的窗口长度。

结论

Savitzky-Golay 滤波是一种强大的信号平滑工具，通过合理选择多项式阶数和窗口长度，可以在平滑噪声的同时，尽可能地保留信号的特征。三阶、五阶和七阶 SG 滤波代表了不同程度的平滑能力和信号保真度，在实际应用中需要根据信号的特点和应用需求进行选择。三阶滤波适合于噪声较小，需要精确保留信号特征的应用场景；五阶滤波适合于噪声中等，需要在平滑噪声和保留信号形状之间取得平衡的应用场景；七阶滤波适合于噪声较大，对信号细节要求不高，主要关注信号整体趋势的应用场景。此外，窗口长度的选择也对滤波效果有着重要影响，需要根据实际情况进行调整。通过对不同阶数 SG 滤波的深入理解和灵活应用，可以有效地提高信号处理的精度和效率，为科学研究和工程应用提供可靠的数据支持。